【Android】图像增强
来源:互联网 发布:mac 207 编辑:程序博客网 时间:2024/05/16 21:22
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。
- 【Android】图像增强
- 图像增强-直方图增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- 图像增强
- View
- 事件处理模型
- CAN与CANOpen(二)
- Matlab分析音频
- 高仿QQ源码 界面(3)
- 【Android】图像增强
- Spark Shuffle内幕
- Netty+Zookeeper实现一个类似Dubbo的RPC框架
- 统一编址&独立编址
- LeetCode 104. Maximum Depth of Binary Tree
- MyBatis传入参数与parameterType
- Android自定义圆角对话框
- 自定义View属性的使用
- Sybase ASE 基础(2)创建数据库