码迷,mamicode.com
首页 > 其他好文 > 详细

unmix和conditional average:消混叠和条件均值

时间:2019-08-15 17:21:01      阅读:109      评论:0      收藏:0      [点我收藏+]

标签:gray   排列   push   clone   idt   梯度   尺寸   tor   模糊   

 

unmix

 该程序用来消除“像素混叠”。所谓像素混叠,是值在自然场景的图像中,边缘线成像到cmos的像素上时,某些像素会刚好跨在该边缘线上。

这样的像素特点就是,其R、G、B三色像素梯度值不一致。比如说cmos上,每个彩色像素有R、G、B三色传感器组成,其排列方式是依次从左向右排序。

那么,如果刚好有一条倾斜的边缘线该像素的G位置,且该边缘线上部为背景、下部为物体,那么其三色梯度值不同,且dR>dB,反之则dB>dR.。类似于这样

的像素,我们可以通过unmix的方法将其消除。方法很简单,就是将该像素邻域内梯度相同或相近的像素替换该像素。下面是程序代码:

Mat unmix(const Mat&img,int neibourSize)
{
    Mat imgCopy=img.clone();
    int nr=neibourSize/2;
    int cols=img.cols,rows=img.rows;
    Mat kernel_x=(Mat_<int>(1,2)<<-1,1);
    Mat kernel_y=(Mat_<int>(2,1)<<-1,1);
    Mat img_dx,img_dy;//预声明X、Y方向的梯度矩阵
    filter2D(img,img_dx,CV_32F,kernel_x);
    filter2D(img,img_dy,CV_32F,kernel_y);

    Mat Gradient=abs(img_dx)+abs(img_dy);

    Mat theta=getGradientDirect(img_dy,img_dx);//该函数参见:https://www.cnblogs.com/phoenixdsg/p/11352623.html

    Mat  thetaGray;
    cvtColor(theta,thetaGray,COLOR_RGB2GRAY);//转成灰度图像便于处理

    ///unmix()函数
    for(int i=nr;i<rows-nr;i++)
    {
        for(int j=nr;j<cols-nr;j++)
        {
            float* pG=CV_MAT_ELEM2(Gradient,float,i,j);
            float R=pG[2],G=pG[1],B=pG[2];
            if(R!=B||R!=G||B!=G)
            {
                Mat tmp=thetaGray(Rect(j-nr,i-nr,neibourSize,neibourSize));
                Mat tmpr=tmp.clone();//截取邻域像素
                float Pij=*(CV_MAT_ELEM2(thetaGray,float,i,j));//获取当前像素值
                tmpr =abs(tmpr-Pij);
                tmpr.at<float>(nr,nr)=7;

                double minv;
                Point minLoc;
                minMaxLoc(tmpr,&minv,0,&minLoc);
                minLoc=Point(nr,nr)-minLoc;
//                cout<<"minv="<<minv<<" ; "
//                   <<"minLoc="<<minLoc<< endl;
                int ii=minLoc.y+i,jj=minLoc.x+j;
                for(int k=0;k<3;k++)
                {
                    imgCopy.ptr<Vec3b>(i)[j][k]=
                            img.ptr<Vec3b>(ii)[jj][k];
                }
            }
        }
    }
    return imgCopy;
}

  该函数有两个参数,第一个是待处理的图像,第二个参数是邻域尺寸,尺寸必须是3、5、7等奇数。函数返回值,即是unmix的结果。

conditional average

设当前像素为N0,其邻域像素集合为S,从S中挑选有效像素{Ni}。求取有效像素均值N0‘,并替代N0

技术图片

其中S={Ni: |Ni=N0|<T}。其中n是有效像素个数。注意S中始终包含N0。该程序会产生下面的效果:

1)在一个同质区域中,平滑掉小量噪声,噪声的相对值小于T;

2)在区域边界附近,对比度要大于T,刚好跨在边界上的像素不作均值处理。这样在平滑图像时,只对边界两边的像素作均值处理。

    这与普通的均值模糊不同,普通的均值模糊连边界也被模糊了;

3)该程序只平滑一定梯度范围内的噪声,但不会将梯度平滑掉;

4)在纹理区域,如果纹理像素之间会有小量的差异(小于T),那么这些像素将被平滑为通知区域,也就是消除纹理。

     如果纹理像素之间差值大于T,那么将不做平滑处理。

 

 

程序代码如下:

void conditionalAerage(Mat&img,int T)
{
    int rows=img.rows,cols=img.cols;
    int neighborSize=3;
    int nr=neighborSize/2;
    for(int i=nr;i<rows-nr;i++)
    {
        for(int j=nr;j<cols-nr;j++)
        {
            int ctn=0;
            vector<Vec3b> nv;
            Vec3b P0=img.at<Vec3b>(i,j);
            float P0m=float(P0[0]+P0[1]+P0[1])/3.;
            for(int in=i-nr;in<neighborSize;in++)
            {
                for(int jn=i-nr;jn<neighborSize;jn++)
                {
                    Vec3b Pn=img.at<Vec3b>(in,jn);
                    float Pnm=float(Pn[0]+Pn[1]+Pn[1])/3.;
                    if(abs(Pnm-P0m)<T)
                    {
                        nv.push_back(Pn);
                    }
                }
                Vec3b sum(0,0,0);
                ctn=nv.size();
                for(int v=0;v<ctn;v++)
                {
                    sum +=nv[v];
                }
                Vec3b aver=sum/ctn;
                for(int k=0;k<img.channels();k++)
                    img.at<Vec3b>(i,j)[k]=aver[k];
            }

        }
    }
}

  

 

unmix和conditional average:消混叠和条件均值

标签:gray   排列   push   clone   idt   梯度   尺寸   tor   模糊   

原文地址:https://www.cnblogs.com/phoenixdsg/p/11359122.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!