Java实现均值、索伯尔、拉普拉斯滤波

空间滤波的定义：

滤波的本义是指信号有各种频率的成分,滤掉不想要的成分,即为滤掉常说的噪声,留下想要的成分，这即是滤波的过程,也是目的。空间滤波是一种采用滤波处理的影像增强方法。其理论基础是空间卷积和空间相关。目的是改善影像质量，包括去除高频噪声与干扰，及影像边缘增强、线性增强以及去模糊等。分为低通滤波（平滑化）、高通滤波（锐化）和带通滤波。

图像需要增强的原因：

各类图像处理系统在图像的采集、获取、传送和转换(如成像、复制扫描、传输以及显示等)过程中，均处在复杂的环境中，光照、电磁多变，所有的图像均不同程度地被可见或不可见的噪声干扰。噪声源包括电子噪声、光子噪声、斑点噪声和量化噪声。如果信噪比低于一定的水平，噪声逐渐变成可见的颗粒形状，导致图像质量的下降。除了视觉上质量下降，噪声同样可能掩盖重要的图像细节，在对采集到的原始图像做进一步的分割处理时，我们发现有一些分布不规律的椒盐噪声，为此采取相应的对策就是对图像进行必要的滤波降噪处理。

均值滤波

是将每个像元在以其为中心的M×N邻域内取平均亮度值来代替该像元值，以达到去尖锐“噪声”和平滑图像的目的。具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，计算M×N窗口内所有像元值平均值。一般来说，图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值要优于取均值。优点是效率高，缺点是不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

代码实现：

比如我们要对下面矩阵进行均值滤波运算，

4 4 3 7 6 8 8

2 2 15 8 9 9 9

5 5 8 9 13 10 10

7 7 9 12 15 11 11

8 8 11 10 14 13 13

输出结果如下图所示：

全部代码如下：

package NB;
import java.util.Scanner;
public class jzph {public static void main(String[] args) {Scanner s = new Scanner(System.in);System.out.println("请输入矩阵的行数：");int x = s.nextInt();System.out.println("请输入矩阵的列数：");int y = s.nextInt();int[][] b = new int[x][y];int[][] p = new int[x][y];System.out.println("请输入" + x + "*" + y + "的矩阵：");for (int i = 0; i < y; i++) {for (int j = 0; j < x; j++) {b[i][j] = s.nextInt();//完成对矩阵的输入读取}}System.out.println("运算结果如下：");for (int i = 1; i < y - 1; i++) {for (int j = 1; j < x - 1; j++) {//锁定到中心像元的位置int a = 0;//每算9个像元的和就清零for (int k = i - 1; k <= i + 1; k++) {for (int l = j - 1; l <= j + 1; l++) {a += b[k][l];//计算每个中心像元周围9个像元的总和}}//计算中心像素的平均值，有小数就会选择绝对值最大的那个p[i][j] = (int) Math.round(a / 9.0);System.out.print(p[i][j] + " ");//输出平均值}System.out.println();//输出完一行就换行}}
}

有小伙伴看到就会说：我求的是5*5的矩阵，为什么输入的是7*7的矩阵？原因在于我们运用的3*3矩阵窗口放在矩阵4个角的像元时，需要额外添加邻近的像元来构成3*3的窗口，对于这个添加的临时像元值一般和最近的像元值保持一致。

（2）索伯尔锐化
图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了地物边缘与周围像元之间的反差，因此也被称为边缘增强。锐化的方法很多，在此只介绍索伯尔梯度。梯度反映了相邻像元的亮度变化率，也就是说，图像中如果存在边缘，如湖泊、河流的边界，山脉和道路等，则边缘处有较大的梯度值。对于亮度值较平滑的部分，亮度梯度值较小。因此，找到梯度较大的位置，也就找到边缘，然后再用不同的梯度计算值代替边缘处像元的值，也就突出了边缘，实现了图像的锐化。

不过在讲解之前小编先给大家引入一个新的概念——图像卷积运算，卷积运算：可看作是加权求和的过程，使图像区域中的每个像素分别与卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。它是在空间域上对图像作局部检测的运算，以实现平滑和锐化的目的。具体作法是选定一个卷积函数，又称为“模板”，实际上是一个M×N图像。二维的卷积运算是在图像中使用模板来实现运算的。运算方法从图像左上角开始，选定与模板同样大小的矩阵元素窗口，图像窗口与模板像元对应的亮度值相乘后再相加，最后一般将计算结果放在窗口中心位置（当M和N都是奇数时），代替原来的像元灰度值。然后活动窗口向右移动一个像元再以同样的方法进行卷积运算，逐行扫描，直到全幅影像都扫描一遍，最后生成新图像。索伯尔锐化方法使用的两个模板如下：

F=|ai*t1i|+|ai*t2i|，其中a是矩阵中的3*3个元素，i是第i个元素，i<=9,计算结果放在3*3像元的中心像元上，代替之前的灰度值。为了直白了断，小编直接上例子吧，比如有某个矩阵，如下图（1）所示，我要用上面两个模板进行索伯尔锐化，首先得在3*3模板上下左右分别添加两行两列，如下图（2）所示：

图（1）

图（2）

接下来对左上角像元2进行索伯尔梯度运算：|2*1+2*2+3*1+4*（-1）+4*（-2）+5*（-1）|+|2*（-1）+2*（-2）+4*（-1）+3*1+3*2+5*1|=12，其他也是一样的使用那两个矩阵进行运算即可，最终输出矩阵如下所示：

代码实现：

比如我们要对下面矩阵进行索伯尔滤波运算，

2 3 3

4 5 5

输出结果如下图所示：

全部代码如下：

package NB;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Scanner;
public class zzlb {public static void main(String[] args) {Scanner s=new Scanner(System.in);System.out.println("请输入矩阵的行数：");int x=s.nextInt();//获取键盘输入的数字System.out.println("请输入矩阵的列数：");int y=s.nextInt();//获取键盘输入的数字int[][]b=new int[x][y];//创建一个二维数组int[]p=new int[9];//创建一个可以存放9个元素的一维数组来获取#3*3窗口的像元值System.out.println("请输入"+x+"*"+y+"的矩阵：");for (int i = 0; i <y; i++) {for (int j = 0; j < x; j++) {b[i][j]=s.nextInt();//将键盘输入的矩阵存放到二维数组里面}}System.out.println("运算结果如下：");for (int i = 1; i <y-1; i++) {for (int j = 1; j < x-1; j++) {  //锁定到中心像元的位置，从（1，1）开始int g=0;for (int k =i-1; k <=i+1 ; k++) {for (int l =j-1; l <=j+1 ; l++) {p[g++]=b[k][l]; //将3*3矩阵窗口存储到一维数组中}}for (int k = 0; k <p.length-1; k++) {for (int l = 0; l < p.length-1-k; l++) {if(p[l]>p[l+1]) {int temp = p[l];p[l]=p[l+1];p[l+1]=temp;//本次采用冒泡排序法对3*3窗口内的像元从小到大排序}}}System.out.print(p[4]+" ");//输出每个3*3模板的中心值，下标都是4}System.out.println();//输出完一行就换行}}
}

下面这个是拉普拉斯滤波运算，

import java.util.Scanner;public class LPLS {public static void main(String[] args) {Scanner s2 = new Scanner(System.in);System.out.println("请输入矩阵的行数：");int x = s2.nextInt();System.out.println("请输入矩阵的列数：");int y = s2.nextInt();int[][] b = new int[x+2][y+2];//定义一个二维数组用来接受输入矩阵int[][] d = new int[x+2][y+2];//定义一个二维数组来int[][] c = new int[x+2][y+2];System.out.println("请输入" + x + "*" + y + "的矩阵：");for (int i = 0; i < y; i++) {for (int j = 0; j < x; j++) {b[i][j] = s2.nextInt();}}for (int i = 0; i <= y; i++) {for (int j = 0; j <= x; j++) {if(i==0||i==y+1||j==0||j==x+1)c[i][j]=0;elsec[i][j] = b[i][j];}}for (int i = 0; i <= y; i++) {for (int j = 0; j <= x; j++) {System.out.print(c[i][j]);}System.out.println();}System.out.println("运算结果如下：");for (int i = 1; i < y - 1; i++) {for (int j = 1; j < x - 1; j++) {//锁定到中心像元的位置，从（1，1）开始d[i][j] = (4*c[i][j]+(-1)*(c[i-1][j]+c[i][j-1]+c[i][j+1]+c[i+1][j])) ;//模板t2第三行的运算System.out.print(d[i][j] + " ");}System.out.println();//输出一行后换行}}
}

Java实现均值、索伯尔、拉普拉斯滤波相关推荐

Python实现索伯尔算子
Python实现索伯尔算子最近在学习Python,正好用sobel算子练练手,将就看看吧先放原图用Opencv中sobel算子做一下对比: # OpenCVori_img = cv.imread ...
佩伯尔幻像_幻像类型提高了编译时的安全性
佩伯尔幻像介绍使用幻像类型是一种非常简单的技术,可用于提高代码的编译时安全性. 有很多潜在的用例具有不同的复杂性级别,但是即使幻像类型的轻量级使用也可以显着提高编译时的安全性. 幻像类型只是带有未 ...
matlab做拉普拉斯曲线,Matlab 拉普拉斯滤波以及 imfilter 详解（多图）
Matlab 拉普拉斯滤波以及 imfilter 详解(多图) 08-08栏目:技术 TAG:imfilter imfilter 代码: jhua.orgclc clear all A=imread ...
【硅谷牛仔】Pinterest CEO--希伯尔曼--成功关键在推广而非技术
简介本·希伯尔曼(Ben Silbermann),1983年出生于美国爱荷华州,毕业于美国耶鲁大学政治系,曾就职于谷歌,后来与校友创办美国Pinterest图片分享社交网站并担任首席执行官. 创建经 ...
语言学中不同视角的抽象与具体——谈索绪尔、乔姆斯基、韩礼德的语言观
任何领域的学者或许都无法避免区分一种具体的现象和一种抽象的本质的问题,即现象-本质/具体-抽象的问题.这是因为研究者们似乎都不会仅仅满足于自己能观测到的东西--他们更想知道为什么自己会观测到这些东西. ...
拉普拉斯滤波实现图像增强
感谢作者总结,原文地址:http://blog.sina.com.cn/s/blog_6f57a7150100o5ef.html 如对作者造成任何不便,请联系我删除. 先上个简单的示例,看MATLAB ...
用matlab进行拉普拉斯滤波,matlab拉普拉斯滤波器
laplace(拉普拉斯)锐化 matlab 程序部门: xxx 时间: xxx 整理范文,仅供参考,...高通滤波器可以看成是 1 减去相应低通滤波器,从低通滤波器的性质可以看出,在...... ...
无轴螺旋输送机运行时链条有异响,奥伯尔带你了解问题所在
无轴螺旋输送机以链条为牵引部件,与料斗一起完成物料输送工作. 运行中链条在运行中会发出很大的声响,或者随着运输发生一些异常等,运行中可能会发生一些异常. 这个时候初学者不能马上做出反应,但是今天厂家奥 ...
索伯（Sobel）算子原理讲解和实现
文章结构 1. 简述Sobel算子 2. ndimage.Sobel 3. Sobel 算子自实现 4. Sobel算子的一些缺陷和替代方案 1. 简述Sobel算子索伯算子主要用于边界检测,该算法 ...
图像处理技术之三：降噪处理（中值、均值、最大值、最小值滤波、图像噪声）
图像噪声的成因分类与常见图像去噪算法简介 1.图像噪声的成因图像在生成和传输过程中常常因受到各种噪声的干扰和影响而是图像降质,这对后续图像的处理和图像视觉效应将产生不利影响.噪声种类很多,比如:电噪 ...

Java实现均值、索伯尔、拉普拉斯滤波

Java实现均值、索伯尔、拉普拉斯滤波相关推荐

最新文章

热门文章