【Android】图像增强

工程代码下载：http://download.csdn.net/detail/jsgaobiao/9520777

Ø  【实验目的】

使用Android系统进行图像增强实验

• 掌握平滑滤波器和锐化滤波器的使用

• 掌握图像中值滤波增强的使用

• 掌握频域增强的基本原理

Ø  【实验器材】

Android Studio 1.5.1

Xiaomi Pad (7.9’’): Android 4.4.4 , 1536*2048 xhdpi

 

Ø  【实验原理】

本次实验一共实现了3种噪声的选择和3种滤波方式的选择。

其中，可选的噪声种类分别是：

1、 高斯噪声：

一种具有正态分布概率密度的噪声，它的均值为0；程序实现时，可以直接调用自带的函数random.nextGaussian()生成随机数，进而计算高斯噪声。需要注意[0，255]的数据范围。

2、 椒盐噪声：

以一定的概率在图像上随机“撒”上全黑或全白的像素点。实现时可以通过生成随机值p=Math.random()，然后根据概率p确定每个像素点是否被0或255代替。

3、 Speckle噪声:

即散斑噪声， ，其中a是介于 0.65 和 1.35 之间的随机数。

 

增强图像使用的三种滤波器分别是：

1.     线性平滑滤波器

线性平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围内，模板与象素邻域的乘积都要除以9。

2.     中值滤波器

中值滤波器其滤波是把邻域中的图像的象素按灰度级进行排序，然后选择改组的中间值作为输出象素值。其中像素邻域是以当前像素为中心点的3×3的方块区域。

3.     低通滤波器

图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。由卷积定理，在频域实现低通滤波的数学表达式：

（1）    理想低通滤波器：

D(u,v)=(u₂+v₂)²是从点（u,v）到频率平面的原点的距离；D₀ 为理想低通滤波器的截止频率。

（2）    巴特沃斯低通滤波器：

在程序实现时，按照先行后列的顺序求得原图像的FFT（快速傅里叶变换），根据理想低通滤波器中的D(u,v)作为权值进行滤波，滤波后得到的结果再做傅里叶逆变换得到新图像。

运行结果如下图所示：

Ø  【小结】

我通过本次实验，了解了图像增强、噪声、滤波的相关算法和Android处理图像的数据结构的使用方法，熟悉了安卓系统中下拉选择菜单的使用。增加了自己在图像处理方面的编程经验。