【數字圖像處理】圖像的平滑處理

 

圖像平滑的目的

• 模糊：在提取較大目標前，去除太小細節，或將目標內的小間斷連接起來。
• 消除噪聲：改善圖像質量，降低干擾。

平滑處濾波對圖像的低頻分量增強，同時削弱高頻分量，用於消除圖像中的隨機噪聲，起到平滑作用。

 

圖像平滑處理的基本方法

• 領域平均法
• 領域加權平均法
• 選擇式掩模法
• 中值濾波

 

領域平均法

模板在圖像上移動，模板的中心對應目標像素點，在模板范圍內對目標像素點進行卷積運算（對應系數乘對應像素點），然后相加除上模板大小得到均值，這個均值就是目標像素點處理后的值。

 

 如圖，對5行四列的圖像進行3*3模板的鄰域平均法處理：

 

 

鄰域平均法存在的問題

抑制了高頻成分，使用圖像變得模糊，平滑效果不好，減少噪音的同時，損失了高頻信息。
注意：模板不宜過大，因為模板越大對速度有直接影響，且模板大小越大變換后圖像越模糊，特別是在邊緣和細節處

優點：算法簡答，計算速度快。
缺點：造成圖像一定程度上的模糊。

 

3*3模板鄰域平均法示例:

Use_ROWS：行

Use_Line：列

圖像邊界不處理：只處理1-----n-1。

　　　　　　　　　　　　　int count = 0;                   
                     for(int i = 1; i < Use_ROWS-1; i++)   
                    {                  
                        for(int j = 1; j < Use_Line-1; j++)
                        {               
                          //鄰域平均法
                          count=0;
                          count = Image_Use[i][j]+Image_Use[i][j-1]+Image_Use[i][j+1]+Image_Use[i-1][j]+Image_Use[i-1][j-1]+Image_Use[i-1][j+1]+Image_Use[i+1][j]+Image_Use[i+1][j-1]+Image_Use[i+1][j+1];
                          Image_Use[i][j] = (int)(count/9);
                        }
                    }

 

鄰域加權平均法

加權：系數不再全部為1。

 

 

 

 

 

選擇式掩模法

 

 

 

 

 

 

中值濾波

中值濾波器，使用濾波器窗口包含區域的像素值的中值來得到窗口中心的像素值，本質上是一種非線性平滑濾波器。

中值濾波：抑制噪聲又可以盡量保持圖像細節，對濾除脈沖干擾及圖像掃描噪聲最為有效。不

注意：對一些細節多，特別是點，線，尖頂細節多的圖像不宜采用中值濾波。

不同的窗口選擇

常用窗口

 

 復合型中值濾波介紹

 

 

3*3模板的中值濾波處理

int cmp(const void *a,const void *b)
{
    return *(int *)a-*(int *)b;//這是從小到大排序，若是從大到小改成： return *(int *)b-*(int *)a;
}

 

　　　　　　　　　　int temp[9],index=0;                   
                     for(int i = 1; i < Use_ROWS-1; i++)   
                    {   
                        for(int j = 1; j < Use_Line-1; j++)
                        { 
                          //中值濾波
                          memset(temp, 0, sizeof(temp));
                          temp[index]=Image_Use[i][j];
                          temp[index+1]=Image_Use[i-1][j];
                          temp[index+2]=Image_Use[i-1][j-1];
                          temp[index+3]=Image_Use[i-1][j+1];
                          temp[index+4]=Image_Use[i][j-1];
                          temp[index+5]=Image_Use[i][j+1];
                          temp[index+6]=Image_Use[i+1][j];
                          temp[index+7]=Image_Use[i+1][j-1];
                          temp[index+8]=Image_Use[i+1][j+1];
                          qsort(temp,9,sizeof(temp[0]),cmp);//(數組，需要排序的數字個數，單個數字所占內存大小，比較函數）
                          Image_Use[i][j] = temp[4];

                        }
                    }