文中附上的代码可能有缺失，建议通过该 GitHub仓库访问代码。
1 原理
1.1 中值滤波
主要用来处理椒盐噪声。椒盐噪声的出现使得该点像素比周围的像素亮（暗）很多，而如果在某个模板中对像素由小到大进行重新排列，那么最亮的或者最暗的点一定被排在两侧。这时取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。
- 将模板中心与像素位置重合
- 读取模板下各对应像素的灰度值
- 将这些像素从小到大排成1列
- 找出这些值里排在中间的1个
- 将这个中间值赋给模板中心位置像素。
1.2 均值滤波
采用邻域平均法。基本思想是用几个像素灰度的平均值来代替每个像素的灰度。如使用一个3*3大小的模板对图像进行滤波，每次移动模板后，对模板范围内的所有像素灰度值相加再除以系数9，四舍五入后作为模板中心像素的灰度值。
1.3 图像锐化
图像锐化的目的是为了突出图像的边缘信息，加强图像的轮廓特征，便于人眼或者机器的识别。图像中边缘和轮廓往往出现于图像中灰度图片的地方，而检查这些图片可以用微分实现，因而图像锐化主要是通过微分方法进行的。
由于处理的对象是数字图像，其像素是离散的，对微分形式进行一些近似处理，得到离散的模板矩阵，称为算子。常见的算子诸如Laplacians、Roberts、Sobel等。用这些算子作为模板对图像进行处理，就能得到图像的轮廓图。将轮廓图与原图像相加即可得到原图像的锐化结果。
1.4 边缘检测
在图像锐化得到的轮廓图的基础上，根据轮廓图的灰度直方图设立阈值（一般在两峰一谷之间），对其进行二值化处理即可。
2 实现源代码（MATLAB）
2.1 中值滤波
function res = medianfilter(mat, width, height)
% res = medianfilter(img, width, height)
% -- res the result of the median filter process
% -- img the input image matrix(should be 2 dimensions)
% -- width the width of template
% -- height the height of template
% e.g.:
% filename='noise.jpg';
% img=imread(filename);
% width=3;height=3;
% res = medianfilter(img, width, height);
% imshow(res);
% mkdir('results/medianfilter');
% imwrite(res,['./results/medianfilter/',filename]);
res=im2uint8(zeros(size(mat)));
[rows,cols]=size(mat);
for i = 1:(rows-height + 1)
for j = 1:(cols-width + 1)
temp = mat(i:i+height-1, j:j+width-1);
temp = sort(temp(:));
res((i+i+height-1)/2, (j+j+width-1)/2) = temp((length(temp)+1)/2);
end
end
2.2 均值滤波
function res = meanfilter(mat, width, height)
% res = medianfilter(img, width, height)
% -- res the result of the median filter process
% -- img the input image matrix(should be 2 dimensions)
% -- width the width of template
% -- height the height of template
% e.g.:
% filename='noise.jpg';
% img=imread(filename);
% width=3;height=3;
% res = meanfilter(img, width, height);
% imshow(res);
% mkdir('results/meanfilter');
% imwrite(res,['./results/meanfilter/',filename]);
res=im2uint8(zeros(size(mat)));
[rows,cols]=size(mat);
for i = 1:(rows-height + 1)
for j = 1:(cols-width + 1)
temp = mat(i:i+height-1, j:j+width-1);
res((i+i+height-1)/2, (j+j+width-1)/2) = round(mean(temp(:)));
end
end
2.3 锐化处理
2.3.0 说明
在分别实现使用Sobel、Prewitt、Roberts、Laplace算子的滤波函数后，希望实现一个“万能滤波函数”。
搜索得知MATLAB内置的滤波函数为imfilter，支持输入图像、模板等参数，输出滤波后结果。其对“最外面一圈像素”的处理方式是在最外层“加一圈0像素”，并对全图像进行处理。
仿照其功能实现myfilter函数，代码如下：
function res=myfilter(I,H)
% function res=myfilter(I,H)
% -- res the result of the filter process
% -- I the input image
% -- H the input template matrix(should be 2 dimensions)
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% I=imread(filename);
% H=[1,1,1;1,-8,1;1,1,1];
% res=myfilter(I,H);
% imshow(res);
% mkdir('results/myfilter');
% imwrite(res,['./results/myfilter/',filename]);
I=im2uint8(I);
H=int16(H);
[rows,cols,channels]=size(I);
res=uint8(zeros(rows,cols,channels));
[height,width]=size(H);
hh=(height+1)/2;
hw=(width+1)/2;
for k=1:channels
chan=int16(zeros(rows+hh,cols+hw));
chan(hh:rows+hh-1,hw:cols+hw-1)=I(:,:,k);
for i=1:rows
for j=1:cols
temp=chan(i:i+hh,j:j+hw);
res(i,j,k)=sum(sum(H.*temp));
end
end
end
通过如下代码实现两者效果对比：
I=imread('锐化及边缘检测用途.jpg');
H=[1,1,1;1,-8,1;1,1,1];
imres=imfilter(I,H);
myres=myfilter(I,H);
cmp=(imres==myres);
length(cmp(cmp==0))
得到结果为：
ans =
0
于是复用myfilter函数，以另一种方式实现了Sobel、Prewitt、Roberts、Laplace算子滤波函数，在原命名后添加了“2”以区分。
需要注意的是，myfilter最多算是imfilter的一个弱化版本，运行速度远不及imfilter。另外，经查阅，imfilter默认使用的是’corr’参数，而不是’conv’，即默认使用的不是卷积运算。但本实验遇到的算子（Sobel、Prewitt、Laplace）模板都可以认为是对称的，实验得知本实验中对这三类算子在’conv’和’corr’两种参数下结果是完全一致的，故myfilter也没有提供诸如’corr’和’conv’之类参数的支持（即不支持模板矩阵不对称的卷积运算，仅支持相关运算）。
2.3.1 Laplace算子
采用的laplacian operator为[1,1,1;1,-8,1;1,1,1]，故若要得到锐化图像，应该使用原图像减去该函数计算结果再输出。
function laplacian=laplacianfilter(image)
% function laplacian=laplacianfilter(image)
% -- laplacian the result of the laplacian operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=laplacianfilter(img);
% imshow(res);
% mkdir('results/laplacianfilter');
% imwrite(res,['./results/laplacianfilter/',filename]);
image=im2uint8(image);
[rows,cols,channels]=size(image);
laplacian=uint8(zeros(rows,cols,channels));
for k=1:channels
chan=int16(zeros(rows+2,cols+2));
chan(2:rows+1,2:cols+1)=image(:,:,k);
for i=1:rows
for j=1:cols
temp=chan(i:i+2, j:j+2);
laplacian(i,j,k)=sum(temp(:))-9*chan(i+1,j+1);
end
end
end
复用myfilter函数实现：
function laplacian=laplacianfilter2(image)
% function laplacian=laplacianfilter2(image)
% -- laplacian the result of the laplacian operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=laplacianfilter2(img);
% imshow(res);
% mkdir('results/laplacianfilter');
% imwrite(res,['./results/laplacianfilter/',filename]);
laplacianoperator=[1,1,1;1,-8,1;1,1,1];
laplacian=myfilter(image,laplacianoperator);
2.3.2 Sobel算子
function sobel=sobelfilter(image)
% function sobel=sobelfilter(image)
% -- sobel the result of the sobel operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=sobelfilter(img);
% imshow(res);
% mkdir('results/sobelfilter');
% imwrite(res,['./results/sobelfilter/',filename]);
sobeloperator1=int16([-1,0,1;-2,0,2;-1,0,1]);
sobeloperator2=int16([-1,-2,-1;0,0,0;1,2,1]);
image=im2uint8(image);
[rows,cols,channels]=size(image);
sobel1=uint8(zeros(rows,cols,channels));
sobel2=uint8(zeros(rows,cols,channels));
for k=1:channels
chan=int16(zeros(rows+2,cols+2));
chan(2:rows+1,2:cols+1)=image(:,:,k);
for i=1:rows
for j=1:cols
temp=chan(i:i+2,j:j+2);
sobel1(i,j,k)=sum(sum(sobeloperator1.*temp));
sobel2(i,j,k)=sum(sum(sobeloperator2.*temp));
end
end
end
sobel=abs(sobel1)+abs(sobel2);
复用myfilter函数实现：
function sobel=sobelfilter2(image)
% function sobel=sobelfilter2(image)
% -- sobel the result of the sobel operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=sobelfilter2(img);
% imshow(res);
% mkdir('results/sobelfilter');
% imwrite(res,['./results/sobelfilter/',filename]);
sobeloperator1=[-1,0,1;-2,0,2;-1,0,1];
sobeloperator2=[-1,-2,-1;0,0,0;1,2,1];
sobel=myfilter(image,sobeloperator1)+myfilter(image,sobeloperator2);
2.3.3 Prewitt算子
function prewitt=prewittfilter(image)
% function prewitt=prewittfilter(image)
% -- prewitt the result of the prewitt operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=prewittfilter(img);
% imshow(res);
% mkdir('results/prewittfilter');
% imwrite(res,['./results/prewittfilter/',filename]);
image=im2uint8(image);
[rows,cols,channels]=size(image);
prewitt1=uint8(zeros(rows,cols,channels));
prewitt2=uint8(zeros(rows,cols,channels));
for k=1:channels
chan=int16(zeros(rows+2,cols+2));
chan(2:rows+1,2:cols+1)=image(:,:,k);
for i=1:rows
for j=1:cols
temp=chan(i+2,j:j+2)-chan(i,j:j+2);
prewitt1(i,j,k)=sum(temp(:));
temp=chan(i:i+2,j+2)-chan(i:i+2,j);
prewitt2(i,j,k)=sum(temp(:));
end
end
end
prewitt=prewitt1+prewitt2;
复用myfilter函数实现：
function prewitt=prewittfilter2(image)
% function prewitt=prewittfilter2(image)
% -- prewitt the result of the prewitt operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=prewittfilter2(img);
% imshow(res);
% mkdir('results/prewittfilter');
% imwrite(res,['./results/prewittfilter/',filename]);
prewittoperator1=[-1,-1,-1;0,0,0;1,1,1];
prewittoperator2=[-1,0,1;-1,0,1;-1,0,1];
prewitt=myfilter(image,prewittoperator1)+myfilter(image,prewittoperator2);
2.3.4 Roberts算子
为方便计算，将Roberts算子修改为3*3矩阵，复用myfilter函数实现：
function roberts=robertsfilter2(image)
% function roberts=robertsfilter2(image)
% -- roberts the result of the laplacian operator filter process
% -- image the input image
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% res=robertsfilter2(img);
% imshow(res);
% mkdir('results/robertsfilter2');
% imwrite(res,['./results/robertsfilter2/',filename]);
robertsoperator1=[0,0,0;0,-1,0;0,0,1];
robertsoperator2=[0,0,0;0,0,-1;0,1,0];
roberts=myfilter(image,robertsoperator1)+myfilter(image,robertsoperator2);
2.4 边缘检测
同样地，参考MATLAB内置边缘检测函数edge实现了其一个简化版本myedge：支持直接输入模板矩阵，或者输入字符串以调用对应模板矩阵；没有自动阈值选择，需要手动输入）。代码如下：
function res=myedge(img,operator,threshold)
% function res=myedge(img,operator,threshold)
% -- res the edge result of the input image
% -- image the input image
% -- operator the input operator(should be 2 dimensional odd-order matrix) or string like 'laplacian'/'sobel'/'prewitt'/'roberts'
% -- threshold threshold to decide whther a pixel on the edge should be black or white
% e.g.:
% filename='锐化及边缘检测用途.jpg';
% img=imread(filename);
% operator='laplacian';
% threshold=233;
% res=myedge(img,operator,threshold);
% imshow(res);
% mkdir(['results/myedge/',operator]);
% imwrite(res,['./results/myedge/',operator,'/',filename]);
if ischar(operator)
switch operator
case 'laplacian'
res=laplacianfilter2(img);
case 'sobel'
res=sobelfilter2(img);
case 'prewitt'
res=prewittfilter2(img);
case 'roberts'
res=robertsfilter2(img);
end
else
res=myfilter(img,operator);
end
res(res<threshold)=0;res(res>=threshold)=255;
3 实验结果
3.1 中值滤波（使用3*3大小模板）
编写了通用函数，可以在输入参数中指定模板大小。
3.2 均值滤波（使用3*3大小模板）
编写了通用函数，可以在输入参数中指定模板大小。
3.3 锐化处理（注：锐化效果未叠加到原图，展示图为轮廓图）
3.3.0原图
3.3.1 Laplace算子
3.3.2 Sobel算子
3.3.3 Prewitt算子
3.3.4 Roberts算子
3.4 边缘检测
以laplacian operator为模板矩阵，阈值为233。其余结果类似，可参照help myedge中的例子，调用myedge函数生成。
注：遇到的一个问题是，边缘检测应当是只有0和255两种灰度的图像，在MATLAB中生成以后使用imshow查看没有问题，但保存为.jpg格式后出现了其他灰色。再次读取该.jpg图片，数值上与原来MATLAB生成图像并不一致，猜测可能是压缩编码为.jpg格式时出现了损失。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
