本文链接:https://blog.csdn.net/LYduring/article/details/80443573
一、目的
实现算术均值滤波器、几何均值滤波器、中值滤波器、修正的阿尔法均值滤波器、自适应中值滤波器,并比较不同滤波器的降噪结果。
二、代码
代码的思路如下:
(1)先对原始的电路图先后进行加高斯噪声和椒盐噪声;之后设置滤波器的模板大小为5*5,分别对被噪声污染的图像进行算术均值、几何均值、中值、修正的阿尔法滤波,并输出图像,方便结果比较。
(2)为了比较中值滤波器和自适应中值滤波器的滤波结果,先对原始电路图添加椒盐噪声;接着对噪声图像进行模板大小为5*5的中值滤波;最后对噪声图像进行最大模板为5*5的自适应中值滤波,分别输出滤波后的图像,比较结果。
代码具体实现如下:
%******************************************************% %目的:比较几种不同均值滤波器和自适应中值滤波器的去噪声效果 %日期:2018.5.18 %******************************************************% %读入图像 img = imread(‘img.tif‘); figure; subplot(1,3,1); imshow(img); title(‘原始图像‘); %分别添加加入高斯噪声和椒盐噪声 f1 = imnoise(img,‘gaussian‘); subplot(1,3,2) imshow(f1); title(‘添加高斯噪声‘); f2 = imnoise(f1,‘salt & pepper‘); subplot(1,3,3) imshow(f2); title(‘再添加椒盐噪声‘); f2 = double(f2); [M,N] = size(f2); %%%%比较几种均值滤波器及中值滤波器的滤波结果%%%%%% %算术均值滤波器 n = 5; %模板大小 f11 = f2; for i = 1:M-n+1 for j = 1:N-n+1 g1 = f2(i:i+n-1,j:j+n-1); s1 = sum(sum(g1)); %中心点的值用子图像的算术均值代替 f11(i+(n-1)/2,j+(n-1)/2) = s1/(n*n); end end img1 = uint8(f11); figure; subplot(1,2,1); imshow(img1); title(‘算术均值滤波结果‘); %几何均值滤波器 n = 5; %模板大小 f21 = f2 + ones(M,N); %防止有个像素点为0而导致乘积为0 f12 = f21; for i = 1:M-n+1 for j = 1:N-n+1 g2 = f21(i:i+n-1,j:j+n-1); s2 = prod(g2(:)); %中心点的值用子图像的几何均值代替 f12(i+(n-1)/2,j+(n-1)/2) = s2.^(1/numel(g2)); end end img2 = uint8(f12); subplot(1,2,2); imshow(img2); title(‘几何均值滤波结果‘); %中值滤波器 img3 = uint8(medfilt2(f2,[5 5])); figure; subplot(1,2,1); imshow(img3); title(‘中值滤波结果‘); %修正的阿尔法均值滤波器 n = 5; %模板大小 d = 5; %去掉最值灰度值的个数 f13 = f2; for i = 1:M-n+1 for j = 1:N-n+1 g3 = f2(i:i+n-1,j:j+n-1); g3 = sort(g3(:)); %对邻域内的像素点进行排序 min_num = ceil(d/2); %去掉最小灰度值的个数 max_num = floor(d/2); %去掉最大灰度值的个数 %去掉d个最值灰度级后求算术均值 g3(1:min_num) = zeros(min_num,1); g3(n-max_num+1:n) = zeros(max_num,1); s3 = sum(g3); %中心点的值用子图像的算术均值代替 f13(i+(n-1)/2,j+(n-1)/2) = s3/(n*n-d); end end img4 = uint8(f13); subplot(1,2,2); imshow(img4); title(‘修正的阿尔法均值滤波结果‘); %%%%%%%比较中值滤波器及自适应中值滤波器的滤波结果%%%%%%% f2 = imnoise(img,‘salt & pepper‘); figure; subplot(1,4,1); imshow(img); title(‘原图‘); subplot(1,4,2); imshow(f2); title(‘添加椒盐噪声的图像‘); %中值滤波器 img5 = uint8(medfilt2(f2,[5 5])); subplot(1,4,3); imshow(img5); title(‘中值滤波结果‘); %自适应中值滤波器 f14 = f2; alreadyPro = false(size(f2)); %看是否完成进程 Smax=5; %最大窗口尺寸 for s = 3:2:Smax %起始窗口尺寸设为3 %得到特定的灰度值 zmin = ordfilt2(f2, 1, ones(s, s), ‘symmetric‘); zmax = ordfilt2(f2, s * s, ones(s, s), ‘symmetric‘); zmed = medfilt2(f2, [s s], ‘symmetric‘); %进程B processB = (zmed > zmin) & (zmax > zmed) & ~alreadyPro; %进程A processA = (f2 > zmin) & (zmax > f2); outZxy = processB & processA; outZmed = processB & ~processA; f14(outZxy) = f2(outZxy); f14(outZmed) = zmed(outZmed); alreadyPro = alreadyPro | processB; if all(alreadyPro(:)) break; end end f14(~alreadyPro) = zmed(~alreadyPro); img6 = uint8(f14); subplot(1,4,4); imshow(img6); title(‘自适应中值滤波结果‘);
三、结果分析
得到的结果如下:
由滤波结果,我们可以看出,对于添加了高斯噪声和椒盐噪声的图像,算术均值和几何均值滤波器的效果比较差,尤其是几何均值滤波器;而中值滤波器和修正后的阿尔法均值滤波器的降噪效果比前面两种滤波器的效果要好很多,修正的阿尔法均值滤波器的效果最好,使图像变得更平滑。中值滤波器和自适应中值滤波器进行比较,两者的降噪效果都不错,不过中值滤波器导致了原始图像细节的丢失,而自适应中值滤波器则很好地保持了原始图像的清晰度和细节。
原文地址:https://www.cnblogs.com/Ph-one/p/11604362.html
时间: 2024-10-08 03:36:58