内容简介
自适应滤波器
自适应局部降低噪声滤波
先看书上的介绍如下:
解释如下:
这个滤波的编码方面关键点在
- 总体方差的未知,
- 以及高斯噪声和原图相互独立,故在实际情况中是无法做到高斯噪声参数的正确估计,
如果明确了高斯参数的值,上面过程的编码非常简单,这里故不给出!!!
但是在实际过程中的高斯噪声处理,在小波域去噪的效果非常好,特别是BM3D算法在小波域章节将做介绍!!!
自适应中值滤波
如下这里使用我们上课时讲义的介绍,感觉这里会更容易理解:
分为两个步骤
- a进程保证有个可用的中值,
- b进程判断当前像素值如果满足条件则原值输出,否则则输出a进程的值
其中做法的原因上面的图片中已经注释,下面给出代码:
# 自适应中值滤波
# count 为最大窗口数,original 为原图
def adaptiveMedianDeNoise(count, original):
# 初始窗口大小
startWindow = 3
# 卷积范围
c = int(count/2)
rows, cols = original.shape
newI = np.zeros(original.shape)
for i in range(c, rows - c):
for j in range(c, cols - c):
k = int(startWindow / 2)
median = np.median(original[i - k:i + k + 1, j - k:j + k