opencv_图像去噪实验.docxVIP

实验名称实验 4：图像去噪实验目的1、掌握算术均值滤波器、几何均值滤波器、谐波和逆谐波均值滤波器进行图像去噪的算法 2、掌握利用中值滤波器进行图像去噪的算法 3、掌握自适应中值滤波算法 4、掌握自适应局部降低噪声滤波器去噪算法 5、掌握彩色图像去噪步骤 实验内容1、均值滤波 具体内容：利用 OpenCV 对灰度图像像素进行操作，分别利用算术均值滤波器、几何均值滤波器、谐波和逆谐波均值滤波器进行图像去噪。模板大小为5*5。（注：请分别为图像添加高斯噪声、胡椒噪声、盐噪声和椒盐噪声，并观察滤波效果） 2、中值滤波 具体内容：利用 OpenCV 对灰度图像像素进行操作，分别利用 5*5 和 9*9尺寸的模板对图像进行中值滤波。（注：请分别为图像添加胡椒噪声、盐噪声和椒盐噪声，并观察滤波效果） 3、自适应均值滤波。 具体内容：利用 OpenCV 对灰度图像像素进行操作，设计自适应局部降低噪声滤波器去噪算法。模板大小 7*7（对比该算法的效果和均值滤波器的效果） 4、自适应中值滤波 具体内容：利用 OpenCV 对灰度图像像素进行操作，设计自适应中值滤波算法对椒盐图像进行去噪。模板大小 7*7（对比中值滤波器的效果） 5、彩色图像均值滤波 具体内容：利用 OpenCV 对彩色图像 RGB 三个通道的像素进行操作，利用算术均值滤波器和几何均值滤波器进行彩色图像去噪。模板大小为 5*5。实验完成情况 实验步骤：先为灰度图像添加高斯噪声、胡椒噪声、盐噪声和椒盐噪声，再分别利用算术均值滤波器、几何均值滤波器、谐波和逆谐波均值滤波器进行图像去噪。模板大小为5*5。 核心代码如下： 添加各类噪声： IplImage* AddGuassianNoise(IplImage* src) //添加高斯噪声 { IplImage* dst = cvCreateImage(cvGetSize(src),src-depth,src-nChannels); IplImage* noise = cvCreateImage(cvGetSize(src),src-depth,src-nChannels); CvRNG rng = cvRNG(-1); cvRandArr(rng,noise,CV_RAND_NORMAL,cvScalarAll(0),cvScalarAll(15)); cvAdd(src,noise,dst); return dst; } IplImage* AddPepperNoise(IplImage* src) //添加胡椒噪声，随机黑色点 { IplImage* dst = cvCreateImage(cvGetSize(src),src-depth,src-nChannels); cvCopy(src, dst); for(int k=0; k8000; k++) { int i = rand()%src-height; int j = rand()%src-width; CvScalar s = cvGet2D(src, i, j); if(src-nChannels == 1) { s.val[0] = 0; } else if(src-nChannels==3) { s.val[0]=0; s.val[1]=0; s.val[2]=0; } cvSet2D(dst, i, j, s); } return dst; } IplImage* AddSaltNoise(IplImage* src) //添加盐噪声，随机白色点 { IplImage* dst = cvCreateImage(cvGetSize(src),src-depth,src-nChannels); cvCopy(src, dst); for(int k=0; k8000; k++) { int i = rand()%src-height; int j = rand()%src-width; CvScalar s = cvGet2D(src, i, j); if(src-nChannels == 1) { s.val[0] = 255; } else if(src-nChannels==3) { s.val[0]=255; s.va