空域的平滑

最新推荐文章于 2023-06-18 15:05:07 发布
最新推荐文章于 2023-06-18 15:05:07 发布
阅读量2.3k 收藏 2
点赞数 5
分类专栏： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44196785/article/details/115442723
版权

第1关：邻域平均法


#include "BMP.h"


BMP_Image* MeanFilter(BMP_Image* Image_In)
{

    BMP_Image* Image_MeanFilter;
  	Image_MeanFilter = (BMP_Image*)malloc(sizeof(BMP_Image));

    Image_MeanFilter->width = Image_In->width -2;
    Image_MeanFilter->height = Image_In->height -2;
	Image_MeanFilter->biBitCount = 8;
	Image_MeanFilter->imageRgbQuad = (BMP_RgbQuad*)malloc(sizeof(BMP_RgbQuad)*256);
	Image_MeanFilter->imageData = 	(unsigned char*)malloc((Image_In->height-2)*(Image_In->width-2));

    int i;
    for(i=0;i<256;i++)
	{
	 Image_MeanFilter->imageRgbQuad[i].rgbBlue =     Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MeanFilter->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MeanFilter->imageRgbQuad[i].rgbRed = 	 Image_In->imageRgbQuad[i].rgbRed;
	 Image_MeanFilter->imageRgbQuad[i].rgbReserved = 0;

	 Image_MeanFilter->imageRgbQuad[i].rgbBlue = 	 Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MeanFilter->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MeanFilter->imageRgbQuad[i].rgbRed =	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MeanFilter->imageRgbQuad[i].rgbReserved = 0;

	 Image_MeanFilter->imageRgbQuad[i].rgbBlue = 	 Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MeanFilter->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MeanFilter->imageRgbQuad[i].rgbRed = 	 Image_In->imageRgbQuad[i].rgbRed;
	 Image_MeanFilter->imageRgbQuad[i].rgbReserved = 0;

	}

//Â˲¨²Ù×÷ʱ²»¿¼ÂDZßÔµ£¬3*3¾ùÖµÂ˲¨µÄ»°»áʹͼÏñ¼õÉÙ2ÐÐ2ÁÐ
//ÔÚÂ˲¨Ê±Ó¦´ÓµÚ¶þÐеڶþÁпªÊ¼µ½µ¹ÊýµÚ¶þÐеڶþÁнáÊø

    int j,index1,index2,index3,k=0,tmp;

    for (i=1; i<Image_In->height-1; i++)
    {
      for (j=1; j<Image_In->width-1; j++)
        {
		  /********* Begin *********/

            index1 = (i-1)*Image_In->width+j;
            index2 = i*Image_In->width+j;
            index3 = (i+1)*Image_In->width+j;
            tmp = (Image_In->imageData[index1-1] + Image_In->imageData[index1] + Image_In->imageData[index1+1] + Image_In->imageData[index2-1] + Image_In->imageData[index2]  +  Image_In->imageData[index2+1]  +
            Image_In->imageData[index3-1] + Image_In->imageData[index3] + Image_In->imageData[index3+1])/9;
            Image_MeanFilter->imageData[k] = tmp;
            k++;


		  /********* End *********/
	  }
	}
    return Image_MeanFilter;
}

第2关：中值滤波法(3*3)


#include "BMP.h"

int Med(int a,int b,int c)
{
int t;
if(a > b) {t = a; a=b; b=t;}
if(a > c) {t = a; a=c; c=t;}
if(b > c) {t = b; b=c; c=t;}

return b;
}

BMP_Image* MedFilter(BMP_Image* Image_In)
{

    BMP_Image* Image_MedFilter;
  	Image_MedFilter = (BMP_Image*)malloc(sizeof(BMP_Image));


    Image_MedFilter->width = Image_In->width -2;
    Image_MedFilter->height = Image_In->height -2;
	Image_MedFilter->biBitCount = 8;
	Image_MedFilter->imageRgbQuad = (BMP_RgbQuad*)malloc(sizeof(BMP_RgbQuad)*256);
	Image_MedFilter->imageData = 	(unsigned char*)malloc((Image_In->height-2)*(Image_In->width-2));

    int i;
    for(i=0;i<256;i++)
	{

	 Image_MedFilter->imageRgbQuad[i].rgbBlue =      Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MedFilter->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MedFilter->imageRgbQuad[i].rgbRed = 	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MedFilter->imageRgbQuad[i].rgbReserved =  0;

	 Image_MedFilter->imageRgbQuad[i].rgbBlue = 	 Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MedFilter->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MedFilter->imageRgbQuad[i].rgbRed =	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MedFilter->imageRgbQuad[i].rgbReserved =  0;

	 Image_MedFilter->imageRgbQuad[i].rgbBlue = 	 Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MedFilter->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MedFilter->imageRgbQuad[i].rgbRed = 	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MedFilter->imageRgbQuad[i].rgbReserved =  0;

	}

//Â˲¨²Ù×÷ʱ²»¿¼ÂDZßÔµ£¬3*3ÖÐÖµÂ˲¨µÄ»°»áʹͼÏñ¼õÉÙ2ÐÐ2ÁÐ
//ÔÚÂ˲¨Ê±Ó¦´ÓµÚ¶þÐеڶþÁпªÊ¼µ½µ¹ÊýµÚ¶þÐеڶþÁнáÊø

    int j,index1,index2,index3,k=0;

    for (i=1; i<Image_In->height-1; i++)
    {
      for (j=1; j<Image_In->width-1; j++)
        {
		  /********* Begin *********/
            index1=(i-1)*Image_In->width+j;
            index2=i*Image_In->width+j;
            index3=(i+1)*Image_In->width+j;
            int Med1 = Med(Image_In->imageData[index1-1],Image_In->imageData[index1],Image_In->imageData[index1+1]);
            int Med2 = Med(Image_In->imageData[index2-1],Image_In->imageData[index2],Image_In->imageData[index2+1]);
            int Med3 = Med(Image_In->imageData[index3-1],Image_In->imageData[index3],Image_In->imageData[index3+1]);
            int Med4 = Med(Med1,Med2,Med3);
            Image_MedFilter->imageData[k] = Med4;
            k++;



		  /********* End *********/
	  }
	}
    return Image_MedFilter;
}

第3关：中值滤波法（5*5）


#include "BMP.h"
//Èý¸öÊýÇóÖÐÖµ
int ForMed(int a,int b,int c)
{
int t;
if(a > b) {t = a; a=b; b=t;}
if(a > c) {t = a; a=c; c=t;}
if(b > c) {t = b; b=c; c=t;}

return b;
}

BMP_Image* MedFilter1(BMP_Image* Image_In)
{

    BMP_Image* Image_MedFilter1;
  	Image_MedFilter1 = (BMP_Image*)malloc(sizeof(BMP_Image));

    Image_MedFilter1->width = Image_In->width -4;
    Image_MedFilter1->height = Image_In->height -4;
	Image_MedFilter1->biBitCount = 8;
	Image_MedFilter1->imageRgbQuad = (BMP_RgbQuad*)malloc(sizeof(BMP_RgbQuad)*256);
	Image_MedFilter1->imageData = 	(unsigned char*)malloc((Image_In->height-4)*(Image_In->width-4));

    int i;
    for(i=0;i<256;i++)
	{

	 Image_MedFilter1->imageRgbQuad[i].rgbBlue =      Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MedFilter1->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MedFilter1->imageRgbQuad[i].rgbRed = 	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MedFilter1->imageRgbQuad[i].rgbReserved =  0;

	 Image_MedFilter1->imageRgbQuad[i].rgbBlue = 	 Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MedFilter1->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MedFilter1->imageRgbQuad[i].rgbRed =	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MedFilter1->imageRgbQuad[i].rgbReserved =  0;

	 Image_MedFilter1->imageRgbQuad[i].rgbBlue = 	 Image_In->imageRgbQuad[i].rgbBlue;
	 Image_MedFilter1->imageRgbQuad[i].rgbGreen = 	 Image_In->imageRgbQuad[i].rgbGreen;
	 Image_MedFilter1->imageRgbQuad[i].rgbRed = 	     Image_In->imageRgbQuad[i].rgbRed;
	 Image_MedFilter1->imageRgbQuad[i].rgbReserved =  0;

	}

    int j,index1,index2,index3,index4,index5,k=0;
//Â˲¨²Ù×÷ʱ²»¿¼ÂDZßÔµ£¬5*5ÖÐÖµÂ˲¨µÄ»°»áʹͼÏñ¼õÉÙ4ÐÐ4ÁÐ
//ÔÚÂ˲¨Ê±Ó¦´ÓµÚÈýÐеÚÈýÁпªÊ¼µ½µ¹ÊýµÚÈýÐеÚÈýÁнáÊø
    for (i=2; i<Image_In->height-2; i++)
    {
      for (j=2; j<Image_In->width-2; j++)
        {
		  /********* Begin *********/
            index1=(i-2)*Image_In->width+j;
            index2=(i-1)*Image_In->width+j;
            index3=i*Image_In->width+j;
            index4=(i+1)*Image_In->width+j;
            index5=(i+2)*Image_In->width+j;
            int Med1 = ForMed(Image_In->imageData[index1-1],Image_In->imageData[index1],Image_In->imageData[index1+1]);
            int Med2 = ForMed(Image_In->imageData[index2-1],Image_In->imageData[index2],Image_In->imageData[index2+1]);
            int Med3 = ForMed(Image_In->imageData[index3-1],Image_In->imageData[index3],Image_In->imageData[index3+1]);
            int Med4 = ForMed(Image_In->imageData[index4-1],Image_In->imageData[index4],Image_In->imageData[index4+1]);
            int Med5 = ForMed(Image_In->imageData[index5-1],Image_In->imageData[index5],Image_In->imageData[index5+1]);
            int Med6= ForMed(Med1,Med2,Med3);
            int Med7= ForMed(Med4,Med5,Med6);
            Image_MedFilter1->imageData[k] = Med7;
            k++;



		  /********* End *********/
	  }
	}
    return Image_MedFilter1;
}
计算机图像处理 实验三 图像空间域平滑与锐化
qq_45964335的博客
03-15 908
参数method可以是梯度算子、Roberts算子、Prewitt和Sobel算子，T是梯度阈值，根据参数method和T选用不同的算子和阈值进行锐化处理，用二值图像表示处理结果，小于T的用黑色表示，大于等于T的用白色表示。在优缺点上，由于它们都是先平均后差分，平均时会丢失一些细节信息，使边缘有一定的模糊。1、图像平滑（去噪）：编写超限像素平滑法，灰度最相近的K个邻点平均法（函数名称可以自定义），并对上面实验1选择的噪声图片进行处理，显示处理前后的各个图像，分析不同方法对不同噪声的处理效果及其优缺点。
空域的锐化
weixin_44196785的博客
04-05 1563
第1关：Roberts梯度算子 #include "BMP.h" BMP_Image* Roberts(BMP_Image* Image_In) { BMP_Image* Roberts; Roberts = (BMP_Image*)malloc(sizeof(BMP_Image)); Roberts->width = Image_In->width -1; Roberts->height = Image_In->height -1; Ro
数字图像处理（空域平滑）
09-16
数字图像四邻域平滑法，中值滤波法，阈值平均法，加权平均法
Airspace smoothing
长夜漫漫，无心睡眠
03-12 1867
加性噪声：可加性噪声，一般易于消除 乘性噪声：非线性引入的噪声，往往与信号密切相关 量化噪声：模拟信号转化到数字信号时取整变化产生的误差 注意template左上角的1后面有个黑点，代表运算的结果后赋给这个对应点。 一般噪声的像素与周围的像素都明显不同。 ...
图像在空域上的平滑处理
lllfor的博客
06-19 2450
平滑处理（smoothing） 平滑处理（smoothing）也称模糊处理（bluring）。作用就是减少图像上的噪声或者失真。 图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。 平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。 空间域的平滑滤波一般采用均值滤波、中值滤波和加权平滑滤波进行处理。 均值滤波 3*3窗口的均值滤波如下图所示，点(x,y)的滤波值由其
图像的空域平滑
10-09
代码很全，两种方法实现对图像的空域进行平滑。
空域平滑滤波
01-09
基于matlab的空域平滑滤波程序 对于图像处理有很大的作用，有相关研究的人可以下载下来共同研究
空域平滑滤波消噪处理程序.pdf
12-06
在MATLAB环境下进行图像处理，尤其是针对数字图像的消噪处理，是一项常见的任务，而空域平滑滤波是实现这一目标的常用技术之一。在讨论MATLAB实现图像消噪处理程序之前，我们首先应该了解一些基础知识点。 首先，...
空域平滑 中值滤波代码
06-09
在数字图像处理领域，空域平滑和中值滤波是两种常见的图像处理技术，用于去除图像中的噪声，提升图像质量。以下是对“空域平滑 中值滤波代码”这一主题的深入解析。 ### 空域平滑 空域平滑是一种局部平均化过程，...
图像增强---空域滤波之平滑
luran的博客
11-28 7790
一.空域滤波基础 1.定义 空域滤波增强采用模板处理方法对图像进行滤波，去除图像噪声或增强图像的细节。 2.卷积理论 ①卷积的离散表达式，基本上可以理解为模板运算的数学表达方式： ②由此，卷积的冲击相应函数h(x,y)，称为空域卷积模板。 3.空域滤波及滤波器的定义 使用空域模板进行的图像处理，被称为空域滤波。 模板本身被称为空域滤波器。 ①滤波器的分类 · 数学形态分类 · 处理效果分类 平滑滤波器； 锐化滤波器。 4.线性滤波器 ①定义 线性滤波器是线性系统和频域滤波概念在空域的自然延伸。其特征
图像增强—空域平滑
白水的博客
08-02 2206
图像噪声图像噪声是指图像在摄取或传输过程中所受到的随机干扰信号，通常分为内部噪声和外部噪声在图像处理过程中通常会接触到三类噪声：椒盐噪声：含有随机出现的黑白强度值，通常呈点状，不形成大的连通域脉冲噪声：只含有随机的白强度(正脉冲)噪声或黑强度(负脉冲)噪声高斯噪声：含有强度服从高斯分布的噪声图像平滑图像平滑的目的是改善图像质量，尽量消除噪声对图像带来的影响...
图像平滑处理的空域算法和频域分析
12-30
数字图像处理包括时域和频域的方法。图像平滑通有空域模板和频域滤波器。本文档包含了时域和频域的处理方法，希望对你有帮助！
Python 图像处理 OpenCV （7）：图像平滑（滤波）处理
极客挖掘机
06-06 6039
前文传送门： 「Python 图像处理 OpenCV （1）：入门」 「Python 图像处理 OpenCV （2）：像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理」 「Python 图像处理 OpenCV （4）：图像算数运算以及修改颜色空间」 「Python 图像处理 OpenCV （5）：图像的几何变换」 「Python 图像处理 OpenCV （6）：图像的阈值处理」 1. 引言 第一.
Intel‘s oneAPI实现bmp图像的5*5中值滤波
weixin_51800631的博客
06-18 138
DPC++ 结合了 C++ 的灵活性和并行计算的能力，使开发人员能够利用多核 CPU、强大的 GPU 和可重构的 FPGA 进行高性能计算。​使用oneAPI实现时，需要使用oneAPI的编程模型Data Parallel C++ (DPC++)，该模型结合了传统的 C++ 编程和并行计算的能力，使开发人员能够在多种硬件平台上进行并行计算，如 CPU、GPU 和 FPGA。例如，它包括用于向量化和优化计算的高性能数学库、用于加速图像处理和机器学习的库，以及用于构建和优化 FPGA 加速器的工具。
C语言实现BMP图像的读写
weixin_47364956的博客
04-03 6028
纯C语言实现BMP图像的读、写 对于刚接触数字图像的同学，应该都有一个疑问，如何把一个BMP格式的图像用纯C语言读入呢，我相信这也是数字图像处理的第一步，如果有幸看到这篇文档，我就有幸的成为你数字图像处理路上的第一盏明灯！ 了解BMP的构成 这就是BMP图像的理论知识，有个大概的了解就行，最主要的是从理论到实践！！！ 废话不多说，直接上干货。 代码 定义头文件为“bmp.h”，定义read_bmp函数为读函数，write_bmp函数为写函数 读bmp图 #include <stdlib.h&
bmp图片的类以及读写函数 bmp.h
linzengmin的博客
05-21 3179
复制一下代码，保存为 bmp.h ，作为头文件使用。 #include <iostream> #include <cstdio> #define WIDTHBYTES(bits) (((bits)+31)/32*4)//用于使图像宽度所占字节数为4byte的倍数 typedef unsigned char BYTE; typedef unsigned short WORD; typedef unsigned long DWORD; //win32,win64,l
图像的阈值分割技术
weixin_44196785的博客
04-13 1429
全局阈值分割 #include "BMP.h" BMP_Image* GlobalSegmentation(BMP_Image* Image_In) { BMP_Image* Image_GlobalSegmentation; Image_GlobalSegmentation = (BMP_Image*)malloc(sizeof(BMP_Image)); Image_GlobalSegmentation->width = Image_In->width;
BMP图像的读取和生成
jsf921942722的博客
06-29 6536
1. BMP.h#ifndef _BMP_H_ #define _BMP_H_ #ifdef __cplusplus extern "C" { #endif typedef enum _BIT_DATA_TYPE_{ BIT32 = 1, //读取或存储成32位 BIT24 = 2,
bmp格式解析
violet089的专栏
02-21 551
bmp.c #include #include "bmp.h" void savebmp(unsigned char * pdata, char * bmp_file, int width, int height ) { // Define BMP Size const int size = height * width * 3; FILE * output; //
图像空域平滑matlab
最新发布
03-26
### Matlab 中实现图像空域平滑的方法 #### 空域平滑的基本概念 空域平滑是一种通过减少图像中的高频成分（如噪声）来改善视觉质量的技术。其核心思想是对图像的每个像素及其邻域进行某种形式的操作，使得局部变化更加平稳[^4]。 #### 平滑滤波器的工作机制 在空域中，平滑滤波通常利用模板卷积的方式完成。具体来说，对于输入图像 \( f(x, y) \)，输出图像 \( g(x, y) \) 的计算公式为： \[ g(x, y) = \sum_{r=-a}^{a}\sum_{s=-b}^{b} H(r, s)f(x+r, y+s) \] 其中，\( H(r, s) \) 是滤波器模板的系数矩阵，而 \( a \) 和 \( b \) 则由模板尺寸决定。常用的滤波器包括均值滤波器和中值滤波器。 --- #### 均值滤波器 (Mean Filter) ##### 工作原理 均值滤波器通过对目标像素周围的像素求平均值来降低随机噪声的影响。它适用于去除加性高斯白噪声的情况[^3]。 ##### MATLAB 实现代码 以下是基于 `conv2` 函数的均值滤波器实现示例： ```matlab function img_filtered = mean_filter(img, window_size) h = ones(window_size)/window_size^2; % 创建均值滤波核 img_filtered = conv2(double(img), h, &#39;same&#39;); % 卷积操作 end ``` 调用该函数时，可以通过指定窗口大小来自定义滤波效果。例如： ```matlab img_noisy = imread(&#39;noisy_image.png&#39;); img_smoothed = mean_filter(rgb2gray(img_noisy), 5); imshow(uint8(img_smoothed)); ``` --- #### 中值滤波器 (Median Filter) ##### 工作原理 中值滤波器通过选取目标像素周围区域的中间值作为新像素值，能够有效保留边缘细节的同时消除脉冲噪声。 ##### MATLAB 实现代码 MATLAB 提供了内置函数 `medfilt2` 来快速实现中值滤波功能。如果需要自定义实现，则可按以下方式编写代码： ```matlab function img_filtered = median_filter(img, window_size) padSize = floor(window_size / 2); paddedImg = padarray(double(img), [padSize, padSize], &#39;replicate&#39;); [rows, cols] = size(paddedImg); img_filtered = zeros(size(img)); for i = 1:size(img, 1) for j = 1:size(img, 2) region = paddedImg(i:i+window_size-1, j:j+window_size-1); img_filtered(i,j) = median(region(:)); % 计算中位数 end end end ``` 调用此函数同样简单明了： ```matlab img_noisy = imread(&#39;salt_pepper_noise_image.png&#39;); img_smoothed = median_filter(rgb2gray(img_noisy), 3); imshow(uint8(img_smoothed)); ``` --- #### 不同窗口大小对结果的影响 随着窗口尺寸增大，滤波器的作用范围也扩大，这可能导致更多的细节丢失以及更明显的模糊效应。因此，在实际应用中需权衡去噪能力和保持图像特征的需求。 --- ### 总结 无论是均值还是中值滤波器，它们都属于经典的空域平滑技术，并已在多个领域得到了广泛应用。然而需要注意的是，这些方法各有优劣——前者更适合于均匀分布型噪音环境，后者则针对稀疏尖峰干扰更为高效[^5]。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值