[OpenCV] Image Processing - Non-linear Filtering

时间：2016-07-19 23:40:10 阅读：301 评论：0 收藏：0 [点我收藏+]

标签：

如果不是高斯噪声，怎么办？

中值滤波

　　散离噪声通常位于邻域内正确值的两端。

　　技术分享

(a) original image with Gaussian noise; (b) Gaussian filtered; (c) median filtered; (d) bilaterally filtered;

(e) original image with shot noise;     (f) Gaussian filtered; (g) median filtered; (h) bilaterally filtered.

中值滤波、阿尔法截尾法中值滤波、加权法中值滤波。

滤波器大的保边效果好！而高斯滤波对边缘不好。但中值也好不到哪里去，对裂痕的平滑效果不好。

双边滤波器　　

　　定义域核(c) 乘以值域核(d)

　　技术分享

双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合，

技术分享

权重系数 w(i,j,k,l) 取决于定义域核

技术分享

和值域核 (中间像素与邻域像素的矢量距离)

技术分享

的乘积

技术分享

效果图：

　　技术分享

高斯、中值、均值、双边滤波 (代码)

#include "cv.h"
#include "highgui.h"
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char* argv[])
{
        Mat src = imread("/home/unsw/lolo.jpg");
        Mat dst;

        //参数是按顺序写的

        //高斯滤波
        //src:输入图像
        //dst:输出图像
        //Size(5,5)模板大小，为奇数
        //x方向方差
        //Y方向方差
        GaussianBlur(src,dst,Size(5,5),0,0);
        imwrite("gauss.jpg",dst);

        //中值滤波
        //src:输入图像
        //dst::输出图像
        //模板宽度，为奇数
        medianBlur(src,dst,3);
        imwrite("med.jpg",dst);

        //均值滤波
        //src:输入图像
        //dst:输出图像
        //模板大小
        //Point(-1,-1):被平滑点位置，为负值取核中心
        blur(src,dst,Size(3,3),Point(-1,-1));
        imwrite("mean.jpg",dst);

        //双边滤波
        //src:输入图像
        //dst:输入图像
        //滤波模板半径
        //颜色空间标准差
        //坐标空间标准差
        bilateralFilter(src,dst,25, 25*2, 25/2);
        imwrite("bil.jpg",dst);

        waitKey();
        return 0;
}

四大滤波器

噪声基础知识

1. 数字图像噪声的来源：
　　1）图像获取过程中；
　　2）图像信号传输过程中

2. 图像获取过程中产生的噪声：
　　1）主要受图像传感器的类型和质量影响：CCD采集图像过程中，受传感器材料属性、电子元器件和电路结构等影响，引入各种噪声，如
　　　　电阻引起的热噪声、
　　　　场效应管的沟道热噪声、
　　　　光子噪声、
　　　　暗电流噪声、
　　　　光响应非均匀性噪声
　　2）图像传感器的工作环境：
　　　　光照强度、
　　　　光照均匀度、
　　　　传感器温度

3. 图像传输过程中噪声：
　　主要由于传输信道被干扰而混入噪声

4. 噪声模型
　　1）使用随机过程的概率密度函数来描述
　　2）常见的噪声模型：
　　　　a）高斯噪声；
　　　　b）脉冲噪声

5. 高斯噪声
　　1）产生原因：
　　　　a）图像传感器在拍摄时市场不够明亮、亮度不够均匀；
　　　　b）电路各元器件自身噪声和相互影响；
　　　　c）图像传感器长期工作，温度过高
　　2）在空间与和频域均为正态分布

6. 脉冲噪声
　　1）产生原因：
　　　　成像过程中的错误操作造成的

7. 去噪算法分类：
　　1）空间域去噪：
　　　　a）均值去噪；
　　　　b）顺序统计去噪（中值去噪、最大值去噪、最小值去噪、中点去噪、阿尔法均值去噪）
　　2）频率域去噪：
　　　　a）针对固定频率噪声（带阻去噪、带通去噪、陷波去噪）；
　　　　b）针对噪声集中在高频区段（低通去噪）
　　3）小波去噪：
　　　　数学角度为函数逼近，
　　　　图像处理角度为低通去噪（对高频系数置零的线性去噪方法、基于阈值的小波去噪方法）
　　4）非局部均值去噪算法