数字图像处理2.docVIP

图像的平滑 ——邻域平均法和中值滤波 邻域平均法 将原图中的一个像素的灰度值和它周围邻近8个像素即一个3*3 的模板（当然也可以选择其他n*n的模板）的灰度值相加，然后将求 得的平均值作为新图像中该像素的灰度值。可用如右图方法来表示该操作： 首先，这样操作会存在一个边界的问题： 设原图像为 经过模板操作后的图像为 解决这个问题可以采用两种简单方法：一种方法是忽略图像边界数据， 另一种方法是在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中，多采用第一种方法。 其次，是计算出来的像素值的动态范围问题， 对此可简单地将其值置为0或255即可。 设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 式中x,y=0,1,…,N-1； s为（x,y）邻域内像素坐标的集合； M表示集合s内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 例如，对图像采用3×3的邻域平均法，对于像素 （m,n)，其邻域像素如下： (m-1,n-1) (m-1,n) (m-1,n+1) (m,n-1) (m,n) (m,n+1) (m+1,n-1) (m+1,n) (m+1,n+1) 则有： 这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 邻域平均法代码分析（3*3）： void CKuangjiaView::OnAverage() { BYTE*p,*q; int w,h; int i,j,temp; w=pDib-GetWidth();//获取宽度 h=pDib-GetHeight();//获取高度 p=pDib-GetData(); q=new BYTE[w*h];//创建一个新的数组用来计算 memcpy(q,p,w*h);//将图像信息拷贝到新数组中 for(i=1;ih-1;i++) for(j=1;jw-1;j++)//忽略上下左右边界 { temp=(q[(i-1)*w+(j-1)]+q[(i-1)*w+j]+q[(i-1)*w+(j+1)]+q[i*w+(j-1)] +q[i*w+j+1]+q[(i+1)*w+(j-1)]+q[(i+1)*w+j]+q[(i+1)*w+j+1])/8; //以(i,j)为中心的3*3个像素点 *(p+i*w+j)=temp;//(i,j)新的像素大小 } delete[] q; Invalidate(); } 中值滤波 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。 例：采用1×3窗口进行中值滤波 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。 对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。 原图像 中值滤波 一维中值滤波的几个例子（N=5） 离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。 一维中值滤波的概念很容易推广到二维。一般来说，二维中值滤波器比一维滤波器更能抑制噪声。 二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等（见图）。 不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。从以往的经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。 中值滤波法代码分析（3*3）： void CKuangjiaView::OnMid() { BYTE*p,*q; int w,h; int i,j,k,m,temp; int a[9]; w=pDib-GetWidth(); h=pDib-GetHeight(); p=pDib-GetData(); q=new BYTE[w*h];//由于计算要用原像素点的像素值，所以创建一个新数组用来计算 memcpy(q,p,w*h);将图片像素点的值拷贝到新