【数字图像处理】图像的平滑处理

图像平滑的目的

• 模糊：在提取较大目标前，去除太小细节，或将目标内的小间断连接起来。
• 消除噪声：改善图像质量，降低干扰。

平滑处滤波对图像的低频分量增强，同时削弱高频分量，用于消除图像中的随机噪声，起到平滑作用。

图像平滑处理的基本方法

• 领域平均法
• 领域加权平均法
• 选择式掩模法
• 中值滤波

 

领域平均法

模板在图像上移动，模板的中心对应目标像素点，在模板范围内对目标像素点进行卷积运算（对应系数乘对应像素点），然后相加除上模板大小得到均值，这个均值就是目标像素点处理后的值。

 如图，对5行四列的图像进行3*3模板的邻域平均法处理：

邻域平均法存在的问题

抑制了高频成分，使用图像变得模糊，平滑效果不好，减少噪音的同时，损失了高频信息。
注意：模板不宜过大，因为模板越大对速度有直接影响，且模板大小越大变换后图像越模糊，特别是在边缘和细节处

优点：算法简答，计算速度快。
缺点：造成图像一定程度上的模糊。

3*3模板邻域平均法示例:

Use_ROWS：行

Use_Line：列

图像边界不处理：只处理1-----n-1。

　　　　　　　　　　　　　int count = 0;                   
                     for(int i = 1; i < Use_ROWS-1; i++)   
                    {                  
                        for(int j = 1; j < Use_Line-1; j++)
                        {               
                          //邻域平均法
                          count=0;
                          count = Image_Use[i][j]+Image_Use[i][j-1]+Image_Use[i][j+1]+Image_Use[i-1][j]+Image_Use[i-1][j-1]+Image_Use[i-1][j+1]+Image_Use[i+1][j]+Image_Use[i+1][j-1]+Image_Use[i+1][j+1];
                          Image_Use[i][j] = (int)(count/9);
                        }
                    }

邻域加权平均法

加权：系数不再全部为1。

选择式掩模法

中值滤波

中值滤波器，使用滤波器窗口包含区域的像素值的中值来得到窗口中心的像素值，本质上是一种非线性平滑滤波器。

中值滤波：抑制噪声又可以尽量保持图像细节，对滤除脉冲干扰及图像扫描噪声最为有效。不

注意：对一些细节多，特别是点，线，尖顶细节多的图像不宜采用中值滤波。

不同的窗口选择

常用窗口

 复合型中值滤波介绍

3*3模板的中值滤波处理

int cmp(const void *a,const void *b)
{
    return *(int *)a-*(int *)b;//这是从小到大排序，若是从大到小改成： return *(int *)b-*(int *)a;
}

　　　　　　　　　　int temp[9],index=0;                   
                     for(int i = 1; i < Use_ROWS-1; i++)   
                    {   
                        for(int j = 1; j < Use_Line-1; j++)
                        { 
                          //中值滤波
                          memset(temp, 0, sizeof(temp));
                          temp[index]=Image_Use[i][j];
                          temp[index+1]=Image_Use[i-1][j];
                          temp[index+2]=Image_Use[i-1][j-1];
                          temp[index+3]=Image_Use[i-1][j+1];
                          temp[index+4]=Image_Use[i][j-1];
                          temp[index+5]=Image_Use[i][j+1];
                          temp[index+6]=Image_Use[i+1][j];
                          temp[index+7]=Image_Use[i+1][j-1];
                          temp[index+8]=Image_Use[i+1][j+1];
                          qsort(temp,9,sizeof(temp[0]),cmp);//(数组，需要排序的数字个数，单个数字所占内存大小，比较函数）
                          Image_Use[i][j] = temp[4];

                        }
                    }