空间滤波-几何均值滤波器

已于 2022-10-21 23:10:09 修改
阅读量2.7k 收藏 8
点赞数 2
分类专栏： 数字图像处理 文章标签： 均值算法 算法 python 图像处理
于 2022-10-21 15:38:12 首次发布
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_44886601/article/details/127443686
版权
本文介绍了几何均值滤波器，它与传统的邻域均值滤波器不同，需要计算区域像素的乘积再开根，减少图像细节损失。通过Python实现该滤波器的代码，涉及图像的填充、卷积操作，以及计算像素乘积的过程。
摘要由CSDN通过智能技术生成

目录

1. 介绍

2. 代码实现

3. code

1. 介绍

邻域均值滤波器又可以称为算术平均滤波器，其特点是核需要进行归一化处理。

这里我们介绍一个新的滤波器-------几何均值滤波器

数学表达式为：

 和之前的均值滤波器不同的是，这里需要将滤波器框住的区域内所有像素的积再开1/mn 次幂。所有这里的kernel其实是没有值的，只是帮我们确认子区域而已。

几何均值滤波器和算术平均滤波器的平滑效果类似，但是损失的图像细节更少

2. 代码实现

这次我们将几何均值滤波器的代码封装到了函数里面，让我们一起逐行理解一下代码

因为没有相关的库函数，并且几何均值滤波器已经不能算是一个常规的滤波器了。像之前介绍的高斯核、邻域均值滤波都是

了解本专栏 订阅专栏 解锁全文 超级会员免费看
听风吹等浪起
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
空间滤波-统计排序滤波器-修正阿尔法均值滤波器
Henry的博客
10-22 1467
本章内容介绍的是修正阿尔法均值滤波器，它也是属于统计排序滤波器的一种。和之前的统计排序滤波不同的是，修正阿尔法均值滤波器会将kernel处理的邻域中灰度值较低和较高的像素点删除，类似于计算平均分的时候，去掉最高分和最低分其中mn代表kernel的sized 代表要删除像素点的个数（修正阿尔法均值滤波器会将滤波器处理的子区域像素点的灰度值升序排列，然后去掉最小的d / 2 和最大的d / 2 的像素点 ）特殊使用：由公式不难看出，d取值范围是0 ~ mn - 1，建议取偶数。
MATLAB几何均值滤波
临风暖阳的博客
04-13 3295
% 几何均值滤波 clc,clear,close all % 清理命令区、清理工作区、关闭显示图形 warning off % 消除警告 feature jit off % 加速代码运行 im = imread(‘brain.bmp’); % 原图像 im = imnoise(im,‘gaussian’,0,1e-3); % 原图像 + 白噪声 im1 = geometry_fspecial(im,3,3); % 应用几何均值滤波 figure(‘colo.
几何均值滤波器
weixin_45855115的博客
04-28 1617
算法思想： 几何均值滤波器扩大图像进行边缘处理，除了滤波计算部分，几何均值滤波是将滤波器获得的数据累乘，将累乘结果求1/(n*m)次方的值，将最终结果存储到新的矩阵中，最后裁剪为原图的大小。 function gavgf = gavgfil(I,n) %几何均值滤波器 %I为原图，n为滤波器的大小 [r,c]=size(I); %图像的行和列 dI=double(I); dt=n-1; %边缘需要扩充的距离 f=zeros(r+dt,c+dt); %对边缘进行0值处理，根据滤波器的大小把图像扩大 fi
几何均值滤波
Du_Shuang的博客
09-29 8177
理解了前几篇文章讲的东西那么这篇文章讲的东西就很容易懂了，因为这就是前两篇内容的总结啊。 几何均值滤波器的公式如下： 以上公式出处为：“维纳滤波图像复原技术的研究与改进”但是这个公式有个问题，最后的指数系数是1-α而不是1-2. 以上公式是逆滤波和维纳滤波的中和体。当α为1时，该滤波器退化为逆滤波器，当α=0时，该滤波器变为参数维纳滤波器，参数在r=1时变为标准的维纳滤波器，当α=1/2时，则滤...
图像处理基础(3)：均值滤波器及其变种
weixin_33964094的博客
02-14 1163
均值滤波器可以归为低通滤波器，是一种线性滤波器，其输出为邻域模板内的像素的简单平均值，主要用于图像的模糊和降噪。 均值滤波器的概念非常的直观，使用滤波器窗口内的像素的平均灰度值代替图像中的像素值，这样的结果就是降低图像中的“尖锐”变化。这就造成，均值滤波器可以降低噪声的同时，也会模糊图像的边缘。均值滤波器的处理结果是过滤掉图像中的“不相关”细节，其中“不相关”细节指的是：与滤波器模板尺寸相比较小的...
【OpenCV 例程200篇】28. 图像的旋转（直角旋转）cv2.rotate
youcans的博客
11-14 7382
当旋转角度为 90，180，270 度时，可以用图像旋转函数 **cv2.rotate(src, rotateCode)** 实现，该方法通过矩阵转置实现，速度很快。 此外，numpy 中也提供了旋转矩阵的方法 **np.rot90** 可以按 90 度的整数倍进行旋转。...
空间滤波-谐波平均滤波器
Henry的博客
10-21 1813
Sxy 指被滤波器处理的部分m n 代表kernel的size谐波平均滤波器既能处理盐粒噪声，又能处理类似于高斯噪声，但是不能处理胡椒噪声盐粒噪声salt ： 是指灰度值突变成白色点的噪声（白色--->255）胡椒噪声pepper：是指灰度值突变成黑色点的噪声（黑色--->0）这里并不是特指0和255，是指相对突变的颜色书上介绍的就短短几句，下面是自己的理解。例如为什么不能处理胡椒噪声？假设图像包含胡椒噪声，也就是很多突变成黑色的点，这里取极端情况灰度值都为0的胡椒噪声。
MATLAB几种均值滤波器的滤波效果比较_MATLAB均值滤波器比较_matlab_均值滤波器_
10-03
本篇将详细介绍几种均值滤波器——算术均值滤波器、几何均值滤波器、谐波均值滤波器和逆谐波均值滤波器，并通过MATLAB进行滤波效果的比较。 首先，均值滤波器是最基础的线性滤波器之一，其工作原理是用图像窗口内...
均值滤波_高斯噪声_几何均值滤波_算术均值滤波_均值滤波_
09-30
"均值滤波_高斯噪声_几何均值滤波_算术均值滤波_均值滤波_"这个主题涉及到几个关键概念，它们是解决图像噪声问题的重要工具。接下来，我们将深入探讨这些知识点。 首先，**高斯噪声**是一种常见的图像噪声类型，它...
MATLAB图像均值滤波
03-29
对图像添加一个方差为0.05的椒盐噪声（自己可以添加高斯噪声），然后对图像进行3*3算数均值滤波，几何均值滤波，Q=1.5大小的逆谐波滤波处理，可以观察处理后的结果
均值滤波器
10-05
这是MATLAB平台的滤波器设计程序，效率很到且滤波效果很理想
算数均值滤波、几何均值滤波_几个均值滤波_算数均值滤波_噪声分析_均值滤波_算术滤波_
09-30
添加噪声后，可对算术均值滤波、几何均值滤波进行实现与分析
Android OpenCV（十八）：均值滤波
AndroidKt
04-11 733
均值滤波 均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度g（x，y），即g（x，y）=∑f（x，y）/m m为该模板中包含当前像素在内的像素总个数。从频率域观点来看均值滤波...
灰度图像复原——空间滤波——几何均值滤波器（Matlab）
lengo的专栏
09-03 5380
%%%%%%------------------图像复原之空间滤波--------------------------------- clc; clear; %读入图像，并转换为double型 I=imread('D:\Gray Files\5-13.tif'); I_D=im2double(I); [MM,NN]=size(I_D); %%%%%----------------------1...
【OpenCV 例程 300 篇】105. 湍流模糊退化模型
youcans的博客
02-21 2714
估计图像复原中所用的退化函数，主要有三种方法：观察法、试验法和数学建模方法。 分析导致退化的原因，根据基本原理提出退化模型，如湍流导致的模糊、匀速运动导致的模糊，可以基于模型更加准确地估计退化函数。 下面以大气湍流模型为例，采用退化模型对图像的退化建模。...
均值滤波
zyzhangyue的博客
05-19 1715
均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度值g（x，y），即g（x，y）=1/m ∑f（x，y）， m为该模板中包含当前像素在内的像素总个数。这样的方法可以平滑图像，速度
算术均值滤波、几何均值滤波、中值滤波、修正的阿尔法均值滤波这是关于对一幅图像添加高斯噪声、椒盐噪声，分别运用算术均值滤波、几何均值滤波、中值滤波、修正的阿尔法均值滤波进行图像恢复，显示并比较分析结果。
最新发布
05-14
对于一幅图像添加高斯噪声或椒盐噪声后，常用的图像恢复方法之一就是利用滤波器进行去噪。以下是对四种滤波器的介绍和比较分析： 1. 算术均值滤波 算术均值滤波是一种常见的线性滤波器，它的原理是对图像中每个像素周围的邻域进行平均处理，来减少噪声的影响。算术均值滤波器的计算公式为： $$ f(x,y)=\frac{1}{w\times h}\sum_{i=1}^w\sum_{j=1}^h g(x+i-1,y+j-1) $$ 其中，$g(x,y)$表示原始图像中像素点$(x,y)$的灰度值，$w\times h$表示邻域大小，$f(x,y)$表示滤波后图像中像素点$(x,y)$的灰度值。 算术均值滤波器的优点是简单易懂，计算速度快，但缺点是对图像细节信息的保留较少，容易造成图像模糊。 2. 几何均值滤波 几何均值滤波也是一种线性滤波器，它的原理是对图像中每个像素周围的邻域进行几何平均处理，来减少噪声的影响。几何均值滤波器的计算公式为： $$ f(x,y)=\sqrt[w\times h]{\prod_{i=1}^w\prod_{j=1}^h g(x+i-1,y+j-1)} $$ 其中，$g(x,y)$表示原始图像中像素点$(x,y)$的灰度值，$w\times h$表示邻域大小，$f(x,y)$表示滤波后图像中像素点$(x,y)$的灰度值。 几何均值滤波器的优点是对噪声的抑制效果较好，但缺点是容易产生过度平滑的效果，对图像细节信息的保留也较少。 3. 中值滤波 中值滤波是一种非线性滤波器，它的原理是对图像中每个像素周围的邻域进行排序，取中间值作为该像素点的灰度值，来减少噪声的影响。中值滤波器的计算公式为： $$ f(x,y)=\text{median}(g(x,y),g(x+1,y),\cdots,g(x+w-1,y+h-1)) $$ 其中，$g(x,y)$表示原始图像中像素点$(x,y)$的灰度值，$w\times h$表示邻域大小，$f(x,y)$表示滤波后图像中像素点$(x,y)$的灰度值。 中值滤波器的优点是对椒盐噪声等噪声类型的抑制效果较好，同时保留了图像的细节信息，但缺点是无法对高斯噪声等连续性噪声类型进行有效的抑制。 4. 修正的阿尔法均值滤波 修正的阿尔法均值滤波是一种非线性滤波器，它的原理是对图像中每个像素周围的邻域进行加权平均处理，来减少噪声的影响。修正的阿尔法均值滤波器的计算公式为： $$ f(x,y)=\begin{cases} g(x,y), & |g(x,y)-A(x,y)|\leqslant \alpha\Sigma(x,y) \\ A(x,y)+\alpha\Sigma(x,y), & g(x,y)-A(x,y)>\alpha\Sigma(x,y) \\ A(x,y)-\alpha\Sigma(x,y), & g(x,y)-A(x,y)<-\alpha\Sigma(x,y) \end{cases} $$ 其中，$g(x,y)$表示原始图像中像素点$(x,y)$的灰度值，$A(x,y)$表示邻域像素点的算术均值，$\Sigma(x,y)$表示邻域像素点的标准差，$\alpha$为参数，$f(x,y)$表示滤波后图像中像素点$(x,y)$的灰度值。 修正的阿尔法均值滤波器的优点是对高斯噪声等连续性噪声类型的抑制效果较好，同时保留了图像的细节信息，但缺点是计算量较大，需要选择合适的参数进行调整。 综上所述，不同的滤波器适用于不同类型的噪声，并且在保留图像细节信息和降噪效果之间需要进行平衡。在实际应用中，需要根据具体情况选择合适的滤波算法来进行图像处理。
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

打赏作者

听风吹等浪起

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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