转载自  http://blog.csdn.net/luoweifu/article/details/8150196

概述

噪声对图像处理的影响很大，它影响图像处理的输入、采集和处理等各个环节以及输出结果。因此，在进行其它的图像处理前，需要对图像进行去噪处理。

从统计学的观点来看，凡是统计特征不随时间变化的噪声称为平稳噪声，而统计特征随时间变化的噪声称为非平稳噪声。幅值基本相同，但是噪声出现的位置是随机的，称为椒盐噪声；如果噪声的幅值是随机的，根据幅值大小的分布，有高斯型和瑞利型两种，分别称为高斯噪声和瑞利噪声。由于去除噪声处理的原理和方法很多，这里只给出了简单的描述和我自己已实现的几种方法的java源代码。

常见的去噪处理有均值滤波，中值滤波，灰度最小方差均值滤波，K近邻平滑滤波，对称近邻均值滤波，西戈玛平滑滤波等。

均值滤波

定义

均值滤波方法是，对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，用模板的均值来替代原像素的值的方法。

如下图，1~8为(x,y)的邻近像素。

权系数矩阵模板

g = (f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y)  + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1))/9

方法优缺点

优点：算法简单，计算速度快；

缺点：降低噪声的同时使图像产生模糊，特别是景物的边缘和细节部分。

源代码

[java]  view plain copy
  1. /**
  2. * 均值滤波
  3. * @param srcPath 图片的存储位置
  4. * @param destPath 图像要保存的存储位置
  5. * @param format 图像要保存的存储位置
  6. */
  7. public static void avrFiltering(String srcPath,String destPath,  String format) {
  8. BufferedImage img = readImg(srcPath);
  9. int w = img.getWidth();
  10. int h = img.getHeight();
  11. int[] pix = new int[w*h];
  12. img.getRGB(0, 0, w, h, pix, 0, w);
  13. int newpix[] = avrFiltering(pix, w, h);
  14. img.setRGB(0, 0, w, h, newpix, 0, w);
  15. writeImg(img, format, destPath);
  16. }
  17. /**
  18. * 均值滤波
  19. * @param pix 像素矩阵数组
  20. * @param w 矩阵的宽
  21. * @param h 矩阵的高
  22. * @return 处理后的数组
  23. */
  24. public static int[] avrFiltering(int pix[], int w, int h) {
  25. int newpix[] = new int[w*h];
  26. ColorModel cm = ColorModel.getRGBdefault();
  27. int r=0;
  28. for(int y=0; y<h; y++) {
  29. for(int x=0; x<w; x++) {
  30. if(x!=0 && x!=w-1 && y!=0 && y!=h-1) {
  31. //g = (f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1)
  32. //  + f(x-1,y) + f(x,y) + f(x+1,y)
  33. //  + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1))/9
  34. r = (cm.getRed(pix[x-1+(y-1)*w]) + cm.getRed(pix[x+(y-1)*w])+ cm.getRed(pix[x+1+(y-1)*w])
  35. + cm.getRed(pix[x-1+(y)*w]) + cm.getRed(pix[x+(y)*w]) + cm.getRed(pix[x+1+(y)*w])
  36. + cm.getRed(pix[x-1+(y+1)*w]) + cm.getRed(pix[x+(y+1)*w]) + cm.getRed(pix[x+1+(y+1)*w]))/9;
  37. newpix[y*w+x] = 255<<24 | r<<16 | r<<8 |r;
  38. } else {
  39. newpix[y*w+x] = pix[y*w+x];
  40. }
  41. }
  42. }
  43. return newpix;
  44. }

中值滤波

定义

中值滤波方法是，对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，对模板的像素由小到大进行排序，再用模板的中值来替代原像素的值的方法。

权系数矩阵模板

g = median[(x-1,y-1) + f(x,y-1)+ f(x+1,y-1)  + f(x-1,y) + f(x,y) + f(x+1,y)  + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1)]

优缺点

优点：抑制效果很好，画面的清析度基本保持；

缺点：对高斯噪声的抑制效果不是很好。

源代码

[java]  view plain copy
  1. /**
  2. * 中值滤波
  3. * @param srcPath 图片的存储位置
  4. * @param destPath 图像要保存的存储位置
  5. * @param format 图像要保存的存储位置
  6. */
  7. public static void medianFiltering(String srcPath, String destPath, String format) {
  8. BufferedImage img = readImg(srcPath);
  9. int w = img.getWidth();
  10. int h = img.getHeight();
  11. int[] pix = new int[w*h];
  12. img.getRGB(0, 0, w, h, pix, 0, w);
  13. int newpix[] = medianFiltering(pix, w, h);
  14. img.setRGB(0, 0, w, h, newpix, 0, w);
  15. writeImg(img, format, destPath);
  16. }
  17. /**
  18. * 中值滤波
  19. * @param pix 像素矩阵数组
  20. * @param w 矩阵的宽
  21. * @param h 矩阵的高
  22. * @return 处理后的数组
  23. */
  24. public static int[] medianFiltering(int pix[], int w, int h) {
  25. int newpix[] = new int[w*h];
  26. int[] temp = new int[9];
  27. ColorModel cm = ColorModel.getRGBdefault();
  28. int r=0;
  29. for(int y=0; y<h; y++) {
  30. for(int x=0; x<w; x++) {
  31. if(x!=0 && x!=w-1 && y!=0 && y!=h-1) {
  32. //g = median[(x-1,y-1) + f(x,y-1)+ f(x+1,y-1)
  33. //  + f(x-1,y) + f(x,y) + f(x+1,y)
  34. //  + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1)]
  35. temp[0] = cm.getRed(pix[x-1+(y-1)*w]);
  36. temp[1] = cm.getRed(pix[x+(y-1)*w]);
  37. temp[2] = cm.getRed(pix[x+1+(y-1)*w]);
  38. temp[3] = cm.getRed(pix[x-1+(y)*w]);
  39. temp[4] = cm.getRed(pix[x+(y)*w]);
  40. temp[5] = cm.getRed(pix[x+1+(y)*w]);
  41. temp[6] = cm.getRed(pix[x-1+(y+1)*w]);
  42. temp[7] = cm.getRed(pix[x+(y+1)*w]);
  43. temp[8] = cm.getRed(pix[x+1+(y+1)*w]);
  44. Arrays.sort(temp);
  45. r = temp[4];
  46. newpix[y*w+x] = 255<<24 | r<<16 | r<<8 |r;
  47. } else {
  48. newpix[y*w+x] = pix[y*w+x];
  49. }
  50. }
  51. }
  52. return newpix;
  53. }

对称近邻均值滤波

定义

对称近邻（SNN：Symmetric Nearest Neighbor）均值滤波的核心思想是，在一个局部范围内，通过几对对称点像素的比较，获得相对区域及不同区域的差别，然后将均值计算在所判定的同一个区域内进行，这样可以使边界的保持更加灵活的同时又降低计算。

设一个(2N+1)*(2N+1)的模板，则有2N*(2N+1)个对称点，2N*(2N+1)个选择点的像素均值代替原像素值，如下：

优缺点

使边界的保持更加灵活的同时又降低计算。

源代码

[java]  view plain copy
  1. /**
  2. * 对称近邻均值滤波
  3. * @param srcPath 图片的存储位置
  4. * @param destPath 图像要保存的存储位置
  5. * @param format 图像要保存的存储位置
  6. */
  7. public static void snnFiltering(String srcPath, String destPath, String format) {
  8. BufferedImage img = readImg(srcPath);
  9. int w = img.getWidth();
  10. int h = img.getHeight();
  11. int[] pix = new int[w*h];
  12. img.getRGB(0, 0, w, h, pix, 0, w);
  13. int newpix[] = snnFiltering(pix, w, h);
  14. img.setRGB(0, 0, w, h, newpix, 0, w);
  15. writeImg(img, format, destPath);
  16. }
  17. /**
  18. * 对称近邻均值滤波
  19. * @param pix 像素矩阵数组
  20. * @param w 矩阵的宽
  21. * @param h 矩阵的高
  22. * @return 处理后的数组
  23. */
  24. public static int[] snnFiltering(int pix[], int w, int h) {
  25. int newpix[] = new int[w*h];
  26. int n = 9;
  27. int temp, i1,i2, sum;
  28. int[] temp1 = new int[n];
  29. int[] temp2 = new int[n/2];
  30. ColorModel cm = ColorModel.getRGBdefault();
  31. int r=0;
  32. for(int y=0; y<h; y++) {
  33. for(int x=0; x<w; x++) {
  34. if(x!=0 && x!=w-1 && y!=0 && y!=h-1) {
  35. sum = 0;
  36. temp1[0] = cm.getRed(pix[x-1+(y-1)*w]);
  37. temp1[1] = cm.getRed(pix[x+(y-1)*w]);
  38. temp1[2] = cm.getRed(pix[x+1+(y-1)*w]);
  39. temp1[3] = cm.getRed(pix[x-1+(y)*w]);
  40. temp1[4] = cm.getRed(pix[x+(y)*w]);
  41. temp1[5] = cm.getRed(pix[x+1+(y)*w]);
  42. temp1[6] = cm.getRed(pix[x-1+(y+1)*w]);
  43. temp1[7] = cm.getRed(pix[x+(y+1)*w]);
  44. temp1[8] = cm.getRed(pix[x+1+(y+1)*w]);
  45. for(int k=0; k<n/2; k++) {
  46. i1 = Math.abs(temp1[n/2] - temp1[k]);
  47. i2 = Math.abs(temp1[n/2] - temp1[n-k-1]);
  48. temp2[k] = i1<i2 ? temp1[k] : temp1[n-k-1];  //选择最接近原像素值的一个邻近像素
  49. sum = sum + temp2[k];
  50. }
  51. r = sum/(n/2);
  52. //System.out.println("pix:" + temp1[4] + "  r:" + r);
  53. newpix[y*w+x] = 255<<24 | r<<16 | r<<8 |r;
  54. } else {
  55. newpix[y*w+x] = pix[y*w+x];
  56. }
  57. }
  58. }
  59. return newpix;
  60. }

图像的均值滤波、中值滤波_JAVA相关推荐

  1. C++手敲灰度图均值滤波中值滤波高斯滤波

    一.均值滤波(Meaning Filtering)概念 均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板 ...

  2. opencv 滤波 方框滤波 均值滤波 高斯滤波 中值滤波 双边滤波

    文章目录 一. 线性滤波 1.1. 方框滤波 demo 1.2. 均值滤波 demo 1.3. 高斯滤波 demo 二. 非线性滤波 2.1. 中值滤波 demo 2.2. 双边滤波 demo 结构体 ...

  3. Opencv学习笔记 各向异性滤波/均值滤波/高斯滤波/中值滤波/加权中值滤波/高斯低通滤波

    各向异性滤波         各向异性扩散滤波主要是用来平滑图像的,克服了高斯模糊的缺陷,各向异性扩散在平滑图像时是保留图像边缘的,和双边滤波很像. public static void ImageA ...

  4. 高斯滤波 中值滤波 均值滤波的区别

    图像滤波 (转:http://www.baisi.net/viewthread.php?tid=219452) 1 图像滤波的基本概念 图像常常被强度随机信号(也称为噪声)所污染．一些常见的噪声有椒盐 ...

  5. 均值滤波高斯滤波中值滤波

    1.均值滤波 均值滤波是一种线性滤波器,处理思路也很简单,就是将一个窗口区域中的像素计算平均值,然后将窗口中计算得到的均值设置为锚点上的像素值. 该算法有优点在于效率高,思路简单.同样,缺点也很明显, ...

  6. matlab高斯滤波跟中值滤波区别,matlab图像滤波处理代码讲解 均值滤波 中值滤波 高斯滤波...

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 (1)均值滤波 function imres = averageFilter(im,N) % imres为均值滤波后的矩阵,参数im为图像的路径,N为滤波 ...

  7. 均值滤波 中值滤波 高斯平滑滤波

    均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标象素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代 ...

  8. matlab的knn均值滤波,中值滤波与均值滤波介绍.ppt

    第五章 图像的噪声抑制 图像噪声的概念 所谓的图像噪声,是图像在摄取时或是传输时所受到的随机干扰信号. 常见的有椒盐噪声和高斯噪声. 图像噪声的概念 椒盐噪声的特征: 出现位置是随机的,但噪声的幅值是 ...

  9. 图像处理中的滤波器之均值滤波,中值滤波,高斯滤波

    1.均值滤波 原理: 均值滤波采用线性的方法,使用模板内所有像素的平均值代替模板中心像素灰度值 特点: 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 ...

  10. 图像局部均值、中值、方差求取结合opencv

    结合opencv求取图像的局部均值.中值.方差: //src 为待处理图像 //indexrows 为图像遍历的行数 //indexcols 为图像遍历的列数 //meanv 保存均值 //ker 窗 ...

最新文章

  1. CUDA Samples: approximate prior vbox layer
  2. Azure上的VM代理及可扩展程序
  3. LeetCode：146_LRU cache | LRU缓存设计 | Hard
  4. Mac JDK和SDK环境变量配置
  5. android 视频默认图片格式,Android获取视频文件某一帧并设置图片
  6. 理解ThreadLocal 2
  7. elasticSearch6源码分析(12)DiscoveryModule
  8. img disabled可以用什么替代_本特：马内不可替代，菲米是粘合剂，萨拉赫可以用姆巴佩桑乔替代...
  9. android settings源代码分析（1）
  10. mysql set语句_mysql--乱码解决(6)
  11. Mybatis源码阅读（一）：Mybatis初始化1.1 解析properties、settings
  12. oracle 查询数据 实验笔记三
  13. Python3.6 用Django连接MySQL
  14. AC日记——[HNOI2012]永无乡 bzoj 2733
  15. 音乐推荐系统协同过滤算法解释
  16. 使用MATLAB求矩阵的偏导数,求向量对变量的偏导数问题
  17. 23个无本空手套白狼的赚钱方法！颠…
  18. 4x root 红米_红米Note 4X root教程 红米Note4X获取root权限的方法
  19. 【PMAC】Chapter4：PMAC的C#开发
  20. 解决Win7系统插入耳机或音响没有声音教程

热门文章

  1. JS之向上取整、向下取整、四舍五入等
  2. 三菱触摸屏通讯错误_三菱触摸屏插上通讯线直接黑屏，老司机手把手教你解决触摸屏黑屏...
  3. 【软件工具】百度搜索技巧
  4. XP下硬盘安装fedora linux操作系统
  5. mysql中删除数据库语句
  6. STM32开发笔记113：ADS1258驱动设计——读取温度值
  7. 从Java 9 到 Java 17之Java 11
  8. 软件测试/测试开发丨Java or Python？测试开发工程师如何选择合适的编程语言？
  9. 写好CSS代码的70个专业建议
  10. hudson.plugins.git.GitException