机器视觉学习笔记--图像滤波1

基本理论

图像滤波的目的：去除图像噪声，修复图像损坏，改变图像分布。

• 均值滤波（Mean Filter）

  求取NxN像素范围内的均值作为中心点的像素值，N为核大小
  
  例：核为3
  
  核越大，噪声消除效果越好，但图像也会越模糊（细节损失），因此在使用时要学会折衷。
  也可以给不同像素增加权值方式来消除这种影响
  
  滤波效果如下：
  
  实现代码：

clear;close all;img = imread('apple.jpg');img = rgb2gray(img);figure('name','Median filter')subplot(221);imshow(img);title('原图')%添加高斯噪声gauss_img  = imnoise(img,'gaussian',0,0.015);subplot(222);imshow(gauss_img);title('加入高斯噪声')%下面使用均值滤波来消除噪声h=fspecial('ave%h=fspecial('average',[3,3]);erage',[3,3]);img_filtered = imfiltsubplot(223);%subplot（224）imshow(img_filteredtitle('N=3')

• 高斯滤波（Gaussian Filter）

高斯函数的傅里叶变换仍是高斯函数

高斯函数核不论在那个空间都可以被分离高
离散高斯滤波（Discrete Guassian Filter）

k为标准化算子
滤波效果如下：

实现代码如下：

clear;close all;img = imread('apple.jpg');img = rgb2gray(img);figure('name','Filter')subplot(221);imshow(img);title('原图')%添加高斯噪声gauss_img  = imnoise(img,'gaussian',0,0.015);subplot(222);imshow(gauss_img);title('加入高斯噪声');sigma = 1h=fspecial('gaussian',[5,5],sigma);img_filtered = imfilter(gauss_img,h,'replicate'); subplot(223);imshow(img_filtered);title('sigma =1');

• 中值滤波（Median Filter）非线性
  将滤波核（filter mask）大小NxN个像素按照灰度值大小进行排序，选择序列的中值作为该点的像素值。这种滤波方法对椒盐噪声的滤波效果非常好。
  例如：
  
  则滤波结果为：
  
  对椒盐噪声的处理结果如下图所示：
  
  实现代码如下：

clear;close all;img = imread('apple.jpg');img = rgb2gray(img);figure('name','Filter')subplot(221);imshow(img);title('原图')%添加高斯噪声%gauss_img  = imnoise(img,'gaussian',0,0.015);%添加椒盐噪声noise_img = imnoise(img,'salt',0.02);subplot(222);imshow(noise_img);title('加入盐噪声') %下面使用中值滤波来消除椒盐噪声img_filtered=medfilt2(noise_img,[5,5]);subplot(223);imshow(img_filtered);title('N=5')

• 最小值滤波（Minimum Filter）
  最小值滤波适用于消除盐噪声（白点），与上述中值滤波相比，
  
• 最大值滤波（Maximum Filter）
  最大值滤波适用于消除胡椒噪声（黑点），与上述中值滤波相比，
  
  最大值最小值滤波的实现效果如下图，由于新版本的matlab不能单独添加盐噪声/椒盐噪声，所以使用的是椒盐噪声的图像来进行实验的。
  

“`matlab
clear;close all;
img = imread(‘apple.jpg’);
img = rgb2gray(img);
figure(‘name’,’Filter’)
subplot(221);
imshow(img);
title(‘原图’)
%添加高斯噪声
%gauss_img = imnoise(img,’gaussian’,0,0.015);
%添加椒盐噪声
noise_img = imnoise(img,’salt’,0.02);
subplot(222);
imshow(noise_img);
title(‘加入盐噪声’)
%下面使用最小值滤波
img_filtered=ordfilt2(noise_img,1,ones(3,3));
subplot(223);
imshow(img_filtered);
title(‘最小值滤波’)

%下面使用最大值滤波
img_filtered=ordfilt2(noise_img,9,ones(3,3));
subplot(224);
imshow(img_filtered);
title(‘最大值滤波’)
“`
- 中间值滤波（Midpoint Filter）
能够消除高斯噪声和均匀噪声（uniform noise）

暂时没有找到实现的代码，等到后面有时间再添加好了。
后面在另一篇文章中介绍下面两种滤波方法。
- 形态学滤波（Morphological Filter）
- 直方图调整（Histogram Modification，图像增强方法）