图像平滑1-邻域平均法

图像平滑

• 消除或减少噪声污染，实际上为低通滤波，允许信号低频成分通过，阻截高频成分。注意，边缘属于高频成分，所以平滑会导致图像的模糊。
• 常见算法：线性平滑，非线性平滑，自适应平滑。

邻域平均法（均值滤波）

利用邻域平均或加权平均抑制噪声污染。
邻域平均

$$g(x,y)=\frac{1}{M}\sum_{i,j \in s}{f(i,j)}$$
加权平均
$$g(x,y)=\frac{1}{M}\sum_{i,j \in s}{w(i,j)f(i,j)} \\ \frac{1}{M}\sum_{i,j \in s}{w(i,j)}=1$$

• Box模版
  

  $$\frac{1}{9} \begin{pmatrix} 1 &1 &1\\1& 1\cdot &1\\1&1&1\end{pmatrix}$$

• 高斯模版
  高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。

  二维高斯函数
  

  $$G(x,y)=\frac{1}{2\pi \sigma^2}e^{-\frac{x^2+y^2}{2\sigma ^2}}$$

• Gauss模版
  $$\sigma=1/2 ,T=3$$
  $$\frac{1}{16} \begin{pmatrix} 1 &2 &1\\2& 4\cdot &2\\1&2&1\end{pmatrix}$$

code

clear all

load ('lena512.mat');
pic=uint8(lena512);
temp=1/9*[1,1,1;1,1,1;1,1,1];
% temp=1/16*[1,2,1;2,4,2;1,2,1];
picFilter=lowFilter(temp,pic);

subplot(121)
imshow(pic)
title('original image')
subplot(122)
imshow(picFilter)
% title('Gauss filter image')
title('Box filter image')

function [picFilter]=lowFilter(temp,pic)
[mm,nn]=size(temp);
mmid=(mm-1)/2;
nmid=(nn-1)/2;
[m,n]=size(pic);
mp=m+2*mmid;
np=n+2*nmid;
picPad=zeros(mp,np);
picPad(mmid+1:mp-mmid,nmid+1:np-nmid)=pic;

for i=mmid+1:mp-mmid
    for j=nmid+1:np-nmid
        picFilter(i-mmid,j-nmid)=uint8(sum(sum(picPad(i-mmid:i+mmid,j-nmid:j+nmid).*temp)));
    end
end
end