《opencv实用探索·九》中值滤波简单理解

1、引言
均值滤波、方框滤波、高斯滤波,都是线性滤波方式。由于线性滤波的结果是所有像素值的线性组合,因此含有噪声的像素也会被考虑进去,噪声不会被消除,而是以更柔和的方式存在。这时使用非线性滤波效果可能会更好。中值滤波是一种非线性滤波方式,不再采用加权求均值的方式计算滤波结果,基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。

优缺点:中值滤波可以有效的去除斑点和椒盐噪声。但是效率低,其运算时间 为均值滤波的五倍以上

2、中值滤波过程
首先我们先取一个nxn的滤波核,该核是一个空核,核中不在有权重等数字,把滤波核放在图像上滑动,每滑动到一个位置,就把核覆盖下的所有像素值进行排序,然后取排序后中间的像素值替换被核中心覆盖下的原图像像素值。下面演示下滤波过程。

先取一个3x3的空核:
在这里插入图片描述
把3x3的空核放在原图像上进行滑动:
在这里插入图片描述
计算被核覆盖下的像素中值,以上图核放在左上角为例:
先给所有像素进行排序,正序和逆序都可,这里使用正序
20,24,28,35,47,59,68,79,99

由排序可知中间值为:47
最后把中间值替换被核中心覆盖的像素值,即68会重新赋值为47,随着核滑动便可依次计算被核中心覆盖的像素值的中值,核中心滑动过的像素如下图阴影部分。
在这里插入图片描述

3、opencv中值滤波函数使用

void cv::medianBlur(InputArray   src,OutputArray dst,int  ksize
)

src:原图像,可以是单通道,三通道和四通道,数据类型与滤波器的尺寸相关,当滤波器尺寸为3或5时,图像可以是CV 8U,CV 16U或CV 32F类型,对于较大尺寸的滤波器,数据类型只能是CV 8U
dst:滤波后的图像
ksize:滤波核大小,必须是奇数,这样才有核中心

对原图分别执行3x3和9x9滤波,实现效果如下:
原图:
在这里插入图片描述
左边是3x3滤波,右边是9x9滤波
在这里插入图片描述

4、滤波核根据图像自适应调整大小
我们在调用medianBlur时需要手动传入一个滤波核大小,下面的一个demo介绍了核的大小根据局部邻域的均值和标准差进行自适应调整:

#include <opencv2/opencv.hpp>cv::Mat adaptiveMedianBlur(const cv::Mat& src, int maxWindowSize) {cv::Mat result = src.clone();int numChannels = src.channels();for (int y = maxWindowSize / 2; y < src.rows - maxWindowSize / 2; ++y) {for (int x = maxWindowSize / 2; x < src.cols - maxWindowSize / 2; ++x) {int windowSize = 3;  // 初始核大小while (windowSize <= maxWindowSize) {// 提取局部邻域cv::Mat region = src(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));// 计算标准差cv::Scalar mean, stddev;cv::meanStdDev(region, mean, stddev);// 中值滤波if (numChannels == 1 && src.at<uchar>(y, x) < mean[0] + stddev[0] * 0.5) {// 单通道图像中值滤波cv::Mat subRegion = result(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));cv::medianBlur(region, subRegion, windowSize);break;} else if (numChannels == 3 &&src.at<cv::Vec3b>(y, x)[0] < mean[0] + stddev[0] * 0.5 &&src.at<cv::Vec3b>(y, x)[1] < mean[1] + stddev[1] * 0.5 &&src.at<cv::Vec3b>(y, x)[2] < mean[2] + stddev[2] * 0.5) {// 三通道图像中值滤波cv::Mat subRegion = result(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));cv::medianBlur(region, subRegion, windowSize);break;} else {// 增大核大小windowSize += 2;if (windowSize > maxWindowSize) {break;}}}}}return result;
}int main() {// 读取图像cv::Mat image = cv::imread("input_image.jpg", cv::IMREAD_GRAYSCALE);// 应用自适应中值滤波cv::Mat result = adaptiveMedianBlur(image, 11);// 显示原始图像和处理后的图像cv::imshow("Original Image", image);cv::imshow("Adaptive Median Blur Image", result);cv::waitKey(0);cv::destroyAllWindows();return 0;
}

下面对代码做一些解释:
(1)函数需要传入一个原图像和一个滤波核的上限,表示该图像做中值滤波时最大只能用maxWindowSize
(2)最上面两层for循环遍历核中心扫过的像素,例如一个8x8图像被maxWindowSize = 5x5的核扫过的区域如下阴影部分:
在这里插入图片描述
这两层循环确保我们只处理在图像内部且不会越界的像素。这是为了确保局部邻域的提取和处理都在图像内部进行

(3) 根据当前核大小提取局部邻域
cv::Mat region = src(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),
cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));
代码以被最大核扫过的每个像素分别为当前核的一个中心,提取一个局部邻域,比如当前核为3x3,第一个被扫过像素的局部邻域如下:
在这里插入图片描述
(4)计算邻域的均值和标准差
(5)
if (src.at(y, x) < mean[0] + stddev[0] * 0.5)
这个条件的意思是:如果当前像素 (y, x) 的值小于局部邻域的平均灰度值加上标准差的一半,就执行中值滤波。这样的判断条件旨在处理相对较小的像素值,因为在图像中的边缘或包含细节的区域,这些值可能代表着重要的信息。在这些情况下,使用中值滤波有助于更好地保留细节。如果像素值相对较大,可能处于较均匀的区域,就不执行中值滤波,以免过度平滑图像。

加上标准差的一半的目的是提高容错性,使得判断更加灵活。这个设计的理念是在图像中的一些相对较暗的区域或包含细节的区域,由于灰度值的波动,可能出现一些像素的值略低于整体平均值。通过引入标准差的一半,可以允许更大的变化范围,从而更好地适应图像的局部特征。当然也可以把标准差的一半换成一个固定的值,具体可以根据实验来调整。

下面是带三通道的情况:

cv::Mat adaptiveMedianBlur1(const cv::Mat& src, int maxWindowSize) {cv::Mat result = src.clone();int numChannels = src.channels();for (int y = maxWindowSize / 2; y < src.rows - maxWindowSize / 2; ++y) {for (int x = maxWindowSize / 2; x < src.cols - maxWindowSize / 2; ++x) {int windowSize = 3;  // 初始核大小while (windowSize <= maxWindowSize) {// 提取局部邻域cv::Mat region = src(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));// 计算标准差cv::Scalar mean, stddev;cv::meanStdDev(region, mean, stddev);// 中值滤波if (numChannels == 1 && src.at<uchar>(y, x) < mean[0] + stddev[0] * 0.5) {// 单通道图像中值滤波cv::Mat subRegion = result(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));cv::medianBlur(region, subRegion, windowSize);break;}else if (numChannels == 3 &&src.at<cv::Vec3b>(y, x)[0] < mean[0] + stddev[0] * 0.5 &&src.at<cv::Vec3b>(y, x)[1] < mean[1] + stddev[1] * 0.5 &&src.at<cv::Vec3b>(y, x)[2] < mean[2] + stddev[2] * 0.5) {// 三通道图像中值滤波cv::Mat subRegion = result(cv::Range(y - windowSize / 2, y + windowSize / 2 + 1),cv::Range(x - windowSize / 2, x + windowSize / 2 + 1));cv::medianBlur(region, subRegion, windowSize);break;}else {// 增大核大小windowSize += 2;if (windowSize > maxWindowSize) {break;}}}}}return result;
}
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/195887.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【华为OD题库-061】关联子串-java

题目 给定两个字符串str1和str2&#xff0c; str1进行排列组合&#xff0c;只要有一个为str2的子串则认为str1是str2的关联子串&#xff0c;请返回子串在str2的起始位置&#xff0c;若不是关联子串则返回-1。 示例1 输入输出示例仅供调试&#xff0c;后台判题数据一般不包含示例…

未势能源亮相中国燃料电池汽车大会,助力京津冀“氢能高速”

2023年12月1日&#xff0c;首届中国燃料电池汽车大会在大兴国际氢能示范区举办。大会由北京市经济和信息化局、北京市大兴区人民政府、中国汽车技术研究中心有限公司共同主办。中国科学技术协会主席万钢作主旨报告&#xff0c;国务院国资委副主任苟坪&#xff0c;中国科学院院士…

CO11N报工时,在填入返工数量后自动产生返工工单

本文档主要说明一种返工流程,当工人报工时,填写返工数量、变式原因即可启动触发点自动创建返工订单,被创建的反工订单为无料号生产订单,且关联报工订单。涉及系统功能点包括状态参数 一、 后台配置 1).用户状态参数:BS02(SPRO-生产-商店低价控制-主数据-订单-定义状态…

无公网IP环境固定地址远程SSH访问本地树莓派Raspberry Pi

&#x1f525;博客主页&#xff1a; 小羊失眠啦. &#x1f3a5;系列专栏&#xff1a;《C语言》 《数据结构》 《Linux》《Cpolar》 ❤️感谢大家点赞&#x1f44d;收藏⭐评论✍️ 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;…

Java中synchronized与Lock的区别与使用

Java中synchronized与Lock的区别与使用 当我们谈论Java多线程编程时&#xff0c;线程同步是一个避免资源竞争和保证线程安全的关键概念。在Java中&#xff0c;主要有两种机制来实现线程同步&#xff1a;synchronized关键字和Lock接口。这篇博客将详细介绍这两种同步机制的区别…

专业做除甲醛净化器的品牌 甲醛净化器什么牌子最好用

室内产生了超标的甲醛&#xff0c;大部分都会采取选择甲醛空气净化器来去除&#xff0c;甲醛净化器逐渐成为室内清除甲醛的主力&#xff0c;在选择甲醛净化器时&#xff0c;人们常常会被市场上琳琅满目的空气净化器品牌所迷惑&#xff0c;各品牌和型号都声称自己最好&#xff0…

C++构造函数与析构函数介绍

介绍 C中的构造函数和析构函数是类的特殊成员函数&#xff0c;用于初始化和清理对象。 构造函数是在创建对象时自动调用的函数。它的主要目的是初始化对象的状态。构造函数的名称与类的名称相同&#xff0c;并且它不返回任何类型&#xff0c;也没有参数。析构函数与构造函数相…

freeRTOS创建任务

一.动态创建任务 1.函数xTaskCreate() BaseType_t xTaskCreate( TaskFunction_t pxTaskCode, // 函数指针, 任务函数const char * const pcName, // 任务的名字const configSTACK_DEPTH_TYPE usStackDepth, // 栈大小,单位为word,10表示40字节void * const pvParameters, // …

CCFCSP试题编号:202006-2试题名称:稀疏向量

不断匹配相乘累加就好了 #include<iostream> #include<vector> #include <utility> using namespace std;int main() {int n;int a, b;long long result0; // 使用 long long cin >> n >> a >> b;vector<pair<int, int> > u…

删除不掉node_modules的办法

全局安装 rimraf 模块到系统下&#xff1a; npm install -g rimraf CD 到相应文件夹&#xff0c;执行如下指令&#xff1a; rimraf node_modules

Python面向对象⑤:多态【侯小啾Python基础领航计划 系列(二十三)】

Python面向对象⑤:多态【侯小啾Python基础领航计划 系列(二十三)】 大家好,我是博主侯小啾, 🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔…

pta模拟赛(7-21 求A除以B的商与余数、7-22 一元多项式求导、7-23 一元多项式的乘法与加法运算、7-24 多项式A除以B、7-25 人以群分)

7-21 求A除以B的商与余数 计算A/B的商和余数&#xff0c;其中被除数A是不超过1000位的非负整数&#xff0c;除数B是一个不超过229的任意非负整数。要求你输出商Q和余数R。 输入格式: 输入在一行中依次给出 A 和 B&#xff0c;中间以空格分隔。 输出格式: 在一行中依次输出 Q 和…

minio服务端搭建使用

一.minio文件服务搭建 非docker环境部署(Linux部署) 1.官网下载安装包&#xff1a;MinIO | Code and downloads to create high performance object storage 2、上传安装包文件到目录(这个可以自由选择) /home/minio/ 3、为minio添加权限 sudo chmod x minio 4、 创建mini…

开关柜无线测温系统

开关柜无线测温系统是一种基于无源无线通信技术的开关柜温度监测系统&#xff0c;依托电易云-智慧电力物联网实现高压开关柜接头温度的在线监测和报警。该系统通过在开关柜内部安装无线温度探测器&#xff0c;实时监测开关柜内部的接头、电缆接头、母排等的温度监控&#xff0c…

深入理解 Go 语言中的接口(interface)

一、GoLang 接口的定义 1、GoLang 中的接口 在 Go 语言中接口&#xff08;interface&#xff09;是一种类型&#xff0c;一种抽象的类型接口&#xff08;interface&#xff09;定义了一个对象的行为规范&#xff0c;只定义规范不实现&#xff0c;由具体的对象来实现规范的细节…

0年费、0月费、免kyc,支持ChatGPTPlus充值虚拟卡

虚拟卡通常是指银行卡的虚拟卡&#xff0c;是在银行卡的基础上的银联、VISA、万事达卡BIN码衍生出的一种虚拟账户。虚拟卡一般都是用于网络上无卡支付&#xff0c;因此虚拟卡都不会配备相应的实体卡片。银行卡的虚拟卡&#xff0c;在分类上与实体卡并无什么区别&#xff0c;也分…

JAVA 可执行文件格式

JAVA 可执行文件格式 springboot 程序使用 Maven PLugin插件编译时&#xff0c;可以生成可执行的 jar 和 war 程序。其核心原理是 spring-boot-loader 模块&#xff0c;详细原理如下 1 嵌套 JARS java 本身不支持任何标准的加载嵌套 jar 的方式&#xff0c;要解决该问题&…

探秘高级代理技术:SK5代理在网络安全中的应用

在当今数字化时代&#xff0c;网络安全和隐私保护日益受到重视。作为网络工程师和网络文章主编&#xff0c;我将为您介绍一种强大而高级的代理技术——SK5代理&#xff0c;并探讨其在网络安全、爬虫以及HTTP通信中的重要应用。 1. SK5代理简介 SK5代理是一种基于SOCKS5协议的…

学SQL JOINS看这一篇文章就够了

目录 下面以实例进行分析 内连接 inner join 或者join&#xff08;等同于inner join&#xff09; 外连接 left join 或者left outer join(等同于left join) [ left join 或者left outer join(等同于left join) ] [ where B.column is null ] right join 或者right outer…

Docker Registry本地镜像仓库部署并实现远程连接拉取镜像

Linux 本地 Docker Registry本地镜像仓库远程连接 文章目录 Linux 本地 Docker Registry本地镜像仓库远程连接1. 部署Docker Registry2. 本地测试推送镜像3. Linux 安装cpolar4. 配置Docker Registry公网访问地址5. 公网远程推送Docker Registry6. 固定Docker Registry公网地址…