中值滤波
2016-09-06 17:19
176 查看
无论是直接获取的灰度图像,还是由彩色图像转换得到的灰度图像,里面都有噪声的存在,噪声对图像质量有很大的影响。进行中值滤波不仅可以去除孤点噪声,而且可以保持图像的边缘特性,不会使图像产生显著的模糊,比较适合于实验中的人脸图像。 中值滤波是一种非线性的信号处理方法,因此中值滤波器也就是一种非线性的滤波器。在一定条件下,其可以克服线性滤波器处理图像细节模糊的问题,而且它对滤除脉冲干扰和图像扫描噪声非常有效,但是,对点、线、尖顶等细节较多的图像,则会引起图像信息的丢失。中值滤波器最先被应用于一维信号的处理中,后来被人们引用到二维图像的处理中来。 中值滤波的基本思想是,把局部区域的像素按灰度等级进行排序,取该领域中灰度的中值作为当前像素的灰度值。 中值滤波的步骤为: 1、将滤波模板(含有若干个点的滑动窗口)在图像中漫游,并将模板中心与图中某个像素位置重合; 2、读取模板中各对应像素的灰度值; 3、将这些灰度值从小到大排列; 4、取这一列数据的中间数据,将其赋给对应模板中心位置的像素。如果窗口中有奇数个元素,中值取元素按灰度值大小排序后的中间元素灰度值。如果窗口中有偶数个元素,中值取元素按灰度值大小排序后,中间两个元素灰度的平均值。因为图像为二维信号,中值滤波的窗口形状和尺寸对滤波器效果影响很大,不同图像内容和不同应用要求往往选用不同的窗口形状和尺寸。 由以上步骤,可以看出,中值滤波对孤立的噪声像素即椒盐噪声、脉冲噪声具有良好的滤波效果。由于其并不是简单的取均值,所以,它产生的模糊也就相对比较少。I = im2double(imread('E:/0.jpg'));
I = rgb2gray(I);
I1 = imnoise(I,'salt & pepper');
I2 = medfilt2(I1);
I3 = imnoise(I,'gaussian');
I4 = medfilt2(I3);
subplot(2,2,1),imshow(I1);
subplot(2,2,2),imshow(I2);
subplot(2,2,3),imshow(I3);
subplot(2,2,4),imshow(I4);
I = rgb2gray(I);
I1 = imnoise(I,'salt & pepper');
I2 = medfilt2(I1);
I3 = imnoise(I,'gaussian');
I4 = medfilt2(I3);
subplot(2,2,1),imshow(I1);
subplot(2,2,2),imshow(I2);
subplot(2,2,3),imshow(I3);
subplot(2,2,4),imshow(I4);
相关文章推荐
- 数字图像的中值滤波
- matlab练习程序(中值滤波)
- 图像处理常用算法GPU实现四:基于中值滤波的二值图像平滑
- OpenCV中值滤波
- 图像平滑处理(归一化块滤波、高斯滤波、中值滤波、双边滤波)
- 数字图像处理,中值滤波和均值滤波及其改进算法的C++实现
- 使用中值滤波原理过滤异常数据
- 中值滤波实现
- 中值滤波
- 图像平滑处理(归一化块滤波、高斯滤波、中值滤波、双边滤波)
- 图像处理(三)彩图的中值滤波与cuda形式
- 发个MatLab 自编的 均值滤波、中值滤波、高斯滤波 图像处理函数
- Qt creator5.7 OpenCV249之中值滤波(含源码下载)
- 中值滤波(一句话概括)
- 均值滤波、中值滤波的matlab实现
- Python实现椒盐噪声、中值滤波、均值滤波,OpenCV
- opencv图像滤波——高斯滤波与中值滤波
- 第6章 图像处理_6.2非线性滤波:中值滤波、双边滤波
- nxn模板中值滤波
- opencv实现图像邻域均值滤波、中值滤波、高斯滤波