图像平滑滤波

最新推荐文章于 2022-05-31 20:16:54 发布
最新推荐文章于 2022-05-31 20:16:54 发布
阅读量639 收藏 1
点赞数 1
分类专栏： 数字医学图像
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44729518/article/details/117394116
版权

目录

图像加权均值滤波

3*3卷积模板{1,2,1,2,4,2,1,2,1}

import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

import javax.imageio.ImageIO;

/**
 * 图像加权均值滤波
 * 3*3卷积模板{1,2,1,2,4,2,1,2,1}
 * */
public class ch7_2 {
	public static int[] qz=new int[] {1,2,1,2,4,2,1,2,1};

	public static void main(String[] args) throws Exception {
		long t1=System.currentTimeMillis();		//获取程序运行前的时间，单位毫秒
		BufferedImage bi=ImageIO.read(new File("1.jpg"));		//读取图像1
		BufferedImage nbi=smoothJqjz(bi);						//处理图像
		ImageIO.write(nbi, "jpg", new File("1b.jpg"));		//输出图像
		long t2=System.currentTimeMillis();				//获取程序运行后的时间
		System.out.println("程序运行"+(t2-t1)+"毫秒");	//程序结束后进行提示

	}

	/**
	 * 得到3*3加权均值滤波后的图像
	 * @param BufferedImage bi 	原始图像
	 * @return BufferedImage	输出图像
	 * */
	public static BufferedImage smoothJqjz(BufferedImage bi) {
		int w=bi.getWidth();		//得到图像的宽度
		int h=bi.getHeight();		//得到图像的高度
		BufferedImage nbi=new BufferedImage(w, h, BufferedImage.TYPE_3BYTE_BGR);	
		//创建新图像（临时图像变量）宽度和高度跟原图相同
		//循环遍历每一个像素点
		for(int y=1;y<(h-1);y++) {
			for(int x=1;x<(w-1);x++) {
				int r=smoothJqjz(getSz(bi,x,y,1),qz);
				int g=smoothJqjz(getSz(bi,x,y,2),qz);
				int b=smoothJqjz(getSz(bi,x,y,3),qz);
				int rgb=(new Color(r,g,b)).getRGB();
				nbi.setRGB(x, y, rgb);			//设置输出图像坐标为（x,y）的像素值
			}
		}		
		return nbi;
	}
	
	/**
	 * 得到像素数组和加权均值系数计算后的像素值
	 * @param int[] sz 			像素数组
	 * @param int[] qz			加权均值系数数组
	 * @return int				加权均值计算后的像素值
	 * */
	private static int smoothJqjz(int[] sz,int[] qz) {
		int sum=0;
		int n=0;
		for(int i=0;i<9;i++){
			sum+=sz[i]*qz[i];
			n+=qz[i];
		}
		if(n==0) n=1;
		return sum/n;

	}
	
	/**
	 * 得到原图(x,y)为中心3*3范围的数组
	 * @param BufferedImage bi 	原始图像
	 * @param int x				原图坐标x
	 * @param int y				原图坐标y
	 * @param int key			通道。0灰度，1红色，2绿色，3蓝色
	 * @return int[]			3*3数组
	 * */
	private static int[] getSz(BufferedImage bi,int x,int y,int key) {
		int[] sz=new int[9];
		int n=0;
		if(x>0 && x<(bi.getWidth()-1) && y>0 && y<(bi.getHeight()-1)) {
			for(int j=(y-1);j<=(y+1);j++){
				for(int i=(x-1);i<=(x+1);i++){
					Color c=new Color(bi.getRGB(i, j));
					switch (key) {
					case 0:
						sz[n]=(int) (0.3*c.getRed()+0.59*c.getGreen()+0.11*c.getBlue());
						break;
					case 1:
						sz[n]=c.getRed();
						break;
					case 2:
						sz[n]=c.getGreen();
						break;
					case 3:
						sz[n]=c.getBlue();
						break;
					default:
						break;
					}
					n++;
				}
			}			
		}
		return sz;
	}
}

图像均值滤波

3*3卷积模板{1,1,1,1,1,1,1,1,1}

import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

import javax.imageio.ImageIO;

/**
 * 图像均值滤波
 * 3*3卷积模板{1,1,1,1,1,1,1,1,1}
 * */
public class ch7_1 {

	public static void main(String[] args) throws Exception {
		long t1=System.currentTimeMillis();		//获取程序运行前的时间，单位毫秒
		BufferedImage bi=ImageIO.read(new File("1.jpg"));		//读取图像1
		BufferedImage nbi=smoothJz(bi);						//处理图像
		ImageIO.write(nbi, "jpg", new File("1b.jpg"));		//输出图像
		long t2=System.currentTimeMillis();				//获取程序运行后的时间
		System.out.println("程序运行"+(t2-t1)+"毫秒");	//程序结束后进行提示

	}

	/**
	 * 图像均值滤波
	 * @param BufferedImage bi 	原始图像
	 * @return BufferedImage	变换后图像
	 * */
	public static BufferedImage smoothJz(BufferedImage bi) {
		int w=bi.getWidth();		//得到图像的宽度
		int h=bi.getHeight();		//得到图像的高度
		BufferedImage nbi=new BufferedImage(w, h, BufferedImage.TYPE_3BYTE_BGR);	
		//创建新图像（临时图像变量）宽度和高度跟原图相同
		//循环遍历每一个像素点
		for(int y=1;y<(h-1);y++) {
			for(int x=1;x<(w-1);x++) {
				int r=smoothJz(getSz(bi,x,y,1));
				int g=smoothJz(getSz(bi,x,y,2));
				int b=smoothJz(getSz(bi,x,y,3));
				int rgb=(new Color(r,g,b)).getRGB();
				nbi.setRGB(x, y, rgb);			//设置输出图像坐标为（x,y）的像素值
			}
		}		
		return nbi;
	}
	
	/**
	 * 根据数组求均值
	 * @param int[] sz 			3*3像素值数组
	 * @return int				像素值（均值）
	 * */
	private static int smoothJz(int[] sz) {
		int sum=0;
		int n=0;
		for(int i=0;i<9;i++){
			sum+=sz[i];
			n++;
		}
		int result=0;
		if(n!=0) result=sum/n;
		return result;

	}

	/**
	 * 得到原图(x,y)为中心3*3范围的数组
	 * @param BufferedImage bi 	原始图像
	 * @param int x				原图坐标x
	 * @param int y				原图坐标y
	 * @param int key			通道。0灰度，1红色，2绿色，3蓝色
	 * @return int[]			3*3数组
	 * */
	private static int[] getSz(BufferedImage bi,int x,int y,int key) {
		int[] sz=new int[9];
		int n=0;
		if(x>0 && x<(bi.getWidth()-1) && y>0 && y<(bi.getHeight()-1)) {
			for(int j=(y-1);j<=(y+1);j++){
				for(int i=(x-1);i<=(x+1);i++){
					Color c=new Color(bi.getRGB(i, j));
					switch (key) {
					case 0:
						sz[n]=(int) (0.3*c.getRed()+0.59*c.getGreen()+0.11*c.getBlue());
						break;
					case 1:
						sz[n]=c.getRed();
						break;
					case 2:
						sz[n]=c.getGreen();
						break;
					case 3:
						sz[n]=c.getBlue();
						break;
					default:
						break;
					}
					n++;
				}
			}			
		}
		return sz;
	}
}

图像中值滤波

3*3卷积模板的中间值

import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.lang.reflect.Array;
import java.util.Arrays;

import javax.imageio.ImageIO;

/**
 * 图像中值滤波
 * 3*3卷积模板的中间值
 * */
public class ch7_3 {

	public static void main(String[] args) throws Exception {
		long t1=System.currentTimeMillis();		//获取程序运行前的时间，单位毫秒
		BufferedImage bi=ImageIO.read(new File("1.jpg"));		//读取图像1
		BufferedImage nbi=smoothZz(bi);						//处理图像
		ImageIO.write(nbi, "jpg", new File("1b.jpg"));		//输出图像
		long t2=System.currentTimeMillis();				//获取程序运行后的时间
		System.out.println("程序运行"+(t2-t1)+"毫秒");	//程序结束后进行提示

	}

	/**
	 * 图像中值滤波
	 * @param BufferedImage bi 	原始图像
	 * @return BufferedImage	变换后图像
	 * */
	public static BufferedImage smoothZz(BufferedImage bi) {
		int w=bi.getWidth();		//得到图像的宽度
		int h=bi.getHeight();		//得到图像的高度
		BufferedImage nbi=new BufferedImage(w, h, BufferedImage.TYPE_3BYTE_BGR);	
		//创建新图像（临时图像变量）宽度和高度跟原图相同
		//循环遍历每一个像素点
		for(int y=1;y<(h-1);y++) {
			for(int x=1;x<(w-1);x++) {
				int r=smoothZz(getSz(bi,x,y,1));
				int g=smoothZz(getSz(bi,x,y,2));
				int b=smoothZz(getSz(bi,x,y,3));
				int rgb=(new Color(r,g,b)).getRGB();
				nbi.setRGB(x, y, rgb);			//设置输出图像坐标为（x,y）的像素值
			}
		}		
		return nbi;
	}

	/**
	 * 根据数组排序后求中间值
	 * @param int[] sz 			3*3像素值数组
	 * @return int				像素值（中值）
	 * */
	private static int smoothZz(int[] sz) {
		Arrays.sort(sz);
		return sz[4];

	}

	/**
	 * 得到原图(x,y)为中心3*3范围的数组
	 * @param BufferedImage bi 	原始图像
	 * @param int x				原图坐标x
	 * @param int y				原图坐标y
	 * @param int key			通道。0灰度，1红色，2绿色，3蓝色
	 * @return int[]			3*3数组
	 * */
	private static int[] getSz(BufferedImage bi,int x,int y,int key) {
		int[] sz=new int[9];
		int n=0;
		if(x>0 && x<(bi.getWidth()-1) && y>0 && y<(bi.getHeight()-1)) {
			for(int j=(y-1);j<=(y+1);j++){
				for(int i=(x-1);i<=(x+1);i++){
					Color c=new Color(bi.getRGB(i, j));
					switch (key) {
					case 0:
						sz[n]=(int) (0.3*c.getRed()+0.59*c.getGreen()+0.11*c.getBlue());
						break;
					case 1:
						sz[n]=c.getRed();
						break;
					case 2:
						sz[n]=c.getGreen();
						break;
					case 3:
						sz[n]=c.getBlue();
						break;
					default:
						break;
					}
					n++;
				}
			}			
		}
		return sz;
	}
}
若逢雪初霁
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数字图像处理 opencv 实验三 图像的平滑
yzc66666的博客
07-11 944
一.实验目的： 掌握opencv开发环境中对灰度图像及彩色图像中的像素的访问方法 掌握opencv中对图像进行处理的基本过程。 掌握均值平滑和中值滤波的基本原理。 二.实验内容： 打开一幅灰度图像，对图像进行3*3（包括中心点）的邻域平均处理。 对原图进行3*3（包括中心点）的中值滤波处理。 比较原图像与邻域平均的图像、中值滤波后的图像的差异。 #include <opencv2/opencv.hpp> #include <opencv2/highgui/highgui.hpp&g
均值滤波器3*3模板_空间滤波器
weixin_39715290的博客
12-08 1万+
友好观看地址：CSDN-专业IT技术社区-登录​blog.csdn.net空间滤波基础空间域滤波利用像素邻域的灰度关系进行计算 邻域：以图像某像素为中心的m×n个像素称为它的邻域，m,n为奇数邻域操作的工具：模板(mask)输出图像$(x, y)$像素点的灰度等于邻域中各像素的灰度加权求和；模板中的值是系数值，而不是灰度值。在待处理图像中逐点移动掩模，每点响应等于模板系数与模板对应像素灰度值的乘积...
FPGA图像处理-3x3卷积模板
fpga学就完事了
05-31 6939
3x3卷积是FPGA图像处理中很重要的一个概念，本文介绍使用行缓存实现3x3卷积模板，并编写testbench对其进行仿真，对波形进行分析。
冈萨雷斯 数字图像处理(第三版)matlab代码 图3.33 用均值滤波使图像平滑
10-15
冈萨雷斯 数字图像处理(第三版)matlab代码 图3.33 用均值滤波使图像平滑（m=3,5,9,15,35的方形均值滤波使图像平滑）
3X3高斯滤波，模糊等图像处理
01-22
3X3高斯滤波，高斯模糊，及简单的应用程序实现。完整程序，。。。。。。。
基于模糊理论的医学图像平滑滤波方法 (2004年)
05-10
提出了一种适用于医学灰度图像处理的平滑滤波方法。选择八个方向性掩模和一个无方向掩模，建立起图像像素与掩模的隶属度映射关系。利用最大隶属度原理判断该像素隶属于哪一个掩模，而后用所求得的掩模对此像素进行...
TUXIANGCHULI.rar_噪声图像_图像平滑滤波_椒盐噪声_高斯噪声
07-14
图像处理中高斯噪声，椒盐噪声，乘法噪声，均值滤波，平滑滤波。
通信计算机毕业设计基于MATLAB图像平滑滤波降噪系统（中值滤波，维纳滤波，小波降噪，均值滤波，椒盐噪声）.zip
12-15
毕业设计源程序，采用中值滤波，均值滤波，维纳滤波，小波降噪这几种算法，对图像进行降噪处理，经过处理图像明显改善。（中值滤波，维纳滤波，小波降噪，均值滤波，椒盐噪声）
用matlab实现图像的平滑滤波
01-03
使用了均值滤波、中值滤波以及KNN邻域滤波的方法。制作了GUI界面，模板大小和可以进行调整。
利用模板的图像平滑处理（matlab）
05-15
利用模板的图像平滑处理（matlab），供大家参考一下!
数字图像处理3之空间滤波（平滑空间滤波器）
热门推荐
llfjcmx的博客
08-06 1万+
“滤波”是指接受（通过）或者拒绝一定的频率成分。例如，通过低频的滤波器称为低通滤波器，低通滤波器的最终效果是模糊（平滑）一幅图像。 某些邻域处理工作是操作邻域的图像像素值以及相应的与邻域有相同维数的子图像的值。这些子图像可以被称之为滤波器、掩膜、核、模板或者窗口，其中前三个词是更为普遍的术语。在滤波器子图像中的值是系数值，而不是像素值。 一、空间滤波的机理 空间滤波器由（1）一个邻域（通常是...
数字图像处理 实验二：图像的平滑滤波
Rebeccaee 的博客
05-16 4253
基于Matlab的图像的平滑滤波DIP实验2：图像的平滑滤波实验目的实验内容参考代码实验结果 DIP实验2：图像的平滑滤波 实验目的 平滑的目的是减少噪声对图像的影响。掌握线性滤波和中值滤波两种最典型、最常用的图像平滑方法，对输出结果加以比较、加深理解。 实验内容 1）编写并调试窗口为3×3、5×5的平滑滤波函数； （如[1 1 1; 1 1 1 ; 1 1 1]/9、[1 2 1; 2 4 2;...
线性滤波之平滑滤波
shouniezhe的专栏
09-03 6884
传统的滤波方式将滤波分为线性滤波和非线性滤波，这里首先说下线性滤波。
数字图像处理学习笔记3：图像增强之空间滤波1（平滑滤波：均值滤波、中值滤波）
刘燚的博客
10-24 3022
文章目录前言一、平滑滤波二、使用步骤1.引入库2.读入数据总结 前言 使用一些滤波器对图像进行处理。 一、平滑滤波 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下（示例）： import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwa.
关于平滑滤波，中值滤波，KNN滤波的图像处理（附matlab代码）
tabsquerr的博客
09-11 7608
前些天小编上了数字图像的课程，里面提到了均值平滑滤波操作，中值滤波操作，和KNN平滑滤波操作。 1.何为均值平滑滤波呢？
图像的平滑处理——高斯滤波
weixin_41269731的博客
09-18 1945
高斯滤波器属于线性滤波器；一般来说，使用大小为mn的滤波器对大小为MN的图像进行线性空间滤波，可由下式表示： 以3*3的的滤波器模板为例，这个公式的含义就是，将相同位置的元素相乘并相加 下面介绍w(s,t)的计算方法 首先来看看二维高斯分布的函数： 假设中心点的坐标是（0，0），那么距离它最近的8个点的坐标如下： 方差值的大小自行选取，假设取1.5，将(-1,-1)、(-1,0)等依次带入...
matlab图像平滑滤波函数
最新发布
10-18
MATLAB中有很多种图像平滑滤波函数，其中最常用的是均值滤波和高斯滤波。下面是两种函数的使用方法： 1. 均值滤波函数：`img_smooth = imfilter(img, fspecial('average', [m n]))` 其中，`img`为待处理的图像，`m`...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值