空间滤波-统计排序滤波器

已于 2022-10-22 10:18:22 修改
阅读量2.7k 收藏 13
点赞数 2
分类专栏： 数字图像处理 文章标签： 算法 python 图像处理
于 2022-10-22 10:18:09 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/127457472
版权

目录

1. 原理介绍

2. 代码实现

3. code 演示

1. 原理介绍

统计排序滤波器不同于之前的滤波器，首先滤波器的内部是没有权重的，因为它是一种统计量的表达。并且，统计排序滤波器是将滤波范围内的区域按照设定排序，所以它也区别于几何均值滤波器等等，因为它不对像素点进行改变

常见的统计排序滤波器：中值滤波、最大值滤波、最小值滤波、中点滤波、修正阿尔法均值滤波等等。因为修正阿尔法均值滤波的实现相比前面的较为困难，所以这里仅仅前四种滤波器，修正阿尔法均值滤波之后在介绍

  • 中值滤波器：

中值滤波是用滤波器处理区域的中值灰度值去代替像素的值

其特点是能够有效降低随机噪声，且模糊程度要小得多，所以中值滤波器处理椒盐噪声的效果尤为突出

salt-pepper噪声：不是特指0，255这两个像素点，它是指噪声以黑白点的形式叠加在图像上。只要它满足如下两个条件，我们就说它是属于椒盐噪声点

  • 灰度值突变的点，它应该是噪声点，噪声是由图像灰度值突变形成的
  • 灰度值较周围的像素点灰度而言，
了解本专栏 订阅专栏 解锁全文 超级会员免费看
喵星人监护人
关注
  • 2
    点赞
  • 踩
  • 13
    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 1427
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。
【OpenCV 例程 200篇】98. 统计排序滤波器
youcans的博客
02-13 4383
统计排序滤波器是空间滤波器，其响应是基于滤波器邻域中的像素值的顺序，排序结果决定了滤波器的输出。 统计排序包括中值滤波器、最大值滤波器、最小值滤波器、中点滤波器和修正阿尔法均值滤波器。 中值滤波器：用预定义的像素邻域中的灰度中值来代替像素的值，与线性平滑滤波器相比能有效地降低某些随机噪声，且模糊度要小得多
【图像去噪】基于二维统计滤波实现图像去噪附Matlab代码
Matlab_dashi的博客
04-30 1040
图像去噪是图像处理领域中一项重要的任务，旨在从图像中去除噪声，提高图像质量。二维统计滤波是一种常用的图像去噪方法，通过对图像中的像素及其邻域进行统计分析，来估计和去除噪声。二维统计滤波方法是一种常用的图像去噪方法，具有简单易于实现、对噪声的抑制效果较好、对图像细节的保留较好等优点。但同时也存在可能导致图像模糊、对某些类型的噪声效果不佳等缺点。在实际应用中，需要根据具体的图像和噪声情况选择合适的二维统计滤波方法。​​。
第5章 Python 数字图像处理(DIP) - 图像复原与重建10 - 空间滤波 - 统计排序滤波器 - 中值、最大值、最小值、中点、修正阿尔法均值滤波器
jasneik的博客
04-05 1577
标题统计排序滤波器中值、最大值、最小值、中点 滤波器修正阿尔法均值滤波器 统计排序滤波器 中值、最大值、最小值、中点 滤波器 f^(x,y)=median{g(r,c)}(5.27)\hat{f}(x, y) = \text{median} \{g(r,c)\} \tag{5.27}f^​(x,y)=median{g(r,c)}(5.27) f^(x,y))=max{g(r,c)}(5.28)\hat{f}(x, y)) = \text{max} \{g(r,c)\} \tag{5.28}f^​(x,y))
c++ opencv数字图像处理：低通滤波之统计排序滤波器（中值滤波器）
刘燚的博客
11-18 2550
文章目录前言一、中值滤波器1.代码 前言 数字图像处理c++ opencv（VS2019 opencv4.53）持续更新 一、中值滤波器 中值滤波器即取领域像素值的中值作为像素结果 1.代码 代码如下（示例）： #include<iostream> #include<opencv2/opencv.hpp> #include"Salt.h" using namespace cv; using namespace std; //定义高斯滤波函数 void myfilter(in.
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-空间域处理-空间滤波-平滑空间滤波器
weixin_30413739的博客
04-09 204
参考自：数字图像处理第三版-冈萨勒斯 平滑滤波用于模糊处理和降低噪声。模糊处理常用于预处理任务中，如在目标提取之前去除图像中的一些琐碎细节，以及桥接直线或曲线的缝隙。通过线性或非线性平滑滤波也可降低噪声。 线性滤波器 均值滤波器（均值平滑、均值滤波） 平均值或加权平均值 常见的平滑处理应用就是降低噪声。它会去除与滤波器模板尺寸相比较小的像素区域。然而，由于图像边缘也...
数字图像处理：线性和非线性滤波的平滑空间滤波器（Smoothing Spatial Filters）
老猿Python
02-15 1万+
本文介绍了线性滤波和非线性滤波的概念、作用以及应用示例，可以看到线性滤波和非线性滤波都有不错的应用场景，线性滤波器还可以有不同的系数，不同的波器的模板大小取决于要处理图像的目标，特定的模板对特定的噪声有比较好的作用，如线性滤波比较适合随机噪声，中值滤波适合椒盐噪声的处理。
数字图像处理【3】图像空间滤波-平滑
vx number：zzr_admin，拉入技术交流群。
03-23 1768
介绍图像的各种空间滤波原理，及处理的目：去噪、特征提取、图像增强。
空间滤波-线性滤波-平滑滤波-中值滤波-源码
11-05
在数字图像处理领域，空间滤波是一种常见的技术，用于改善图像质量或提取图像特征。空间滤波主要包括线性滤波和平滑滤波，其中平滑滤波又包含了中值滤波，这是一种非常有效的去噪方法。本文将深入探讨这些概念，并...
空间滤波器之平滑滤波器和锐化滤波器
04-06
非线性平滑滤波器（统计排序滤波器）就是将滤波器区域像素的值进行各种排序，然后选择最大值、最小值、中值等填入中间的像素，所以这些平滑滤波器又叫最大值滤波器，最小值滤波器，中值滤波器，其中中值滤波器是使用...
计算机视觉OpenCVAndroid图像操作之统计排序滤波、边缘保留滤波.pdf
04-21
其中，中值滤波、中值滤波和最小值滤波是三种常用的统计排序滤波器。 中值滤波是一种非线性滤波器，能够有效地抑制椒盐噪声。它的工作原理是，将图像分割成小窗口，然后对每个窗口内的像素值进行排序，取中间值作为...
基于matlab的图像线性空间中值滤波仿真+仿真操作录像
10-15
线性空间中的中值滤波是基于排序统计的非线性滤波方法，它通过用像素邻域内像素值的中值来替换中心像素的值，从而达到滤除异常值的效果。在MATLAB中，我们可以方便地实现这一算法，进行图像的中值滤波仿真。 首先，...
DIP 02 图像增强-空间域滤波1
08-03
空间滤波是图像增强的另一个关键手段，它通过滤波器（如掩模、核、模板或窗口）对图像进行操作。滤波器可以是线性的，如均值滤波，用于去除噪声并平滑图像；也可以是非线性的，如中值滤波，特别适用于去除椒盐噪声，...
代码随想录算法训练营第22天-leetcode-二叉树08：669. 修剪二叉搜索树；108.将有序数组转换为二叉搜索树；538.把二叉搜索树转换为累加树
weixin_65180740的博客
07-24 936
你可能需要改变树的根节点，所以结果应当返回修剪好的二叉搜索树的新的根节点。给出二叉 搜索 树的根节点，该树的节点值各不相同，请你将其转换为累加树（Greater Sum Tree），使每个节点 node 的新值等于原树中大于或等于 node.val 的值之和。题目要求，实际上是每个节点加上中序排列后面的那个节点，故而可以反向中序排序，即RNL，用prior记录前一个节点的值，加上前一个节点的值即可。左右子树也必须是二叉搜索树。后序遍历每个节点，对于在范围外的节点，考虑保留其左子树/右子树（只可能保留一个）
算法训练营第47天|1143.最长公共子序列|1035.不相交的线|53. 最大子序和|392.判断子序列
bless_______的博客
07-24 232
如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，所以dp[i][j] = dp[i - 1][j - 1] + 1;未想到特殊情况，即s或t为空串的情况，因为返回的是数组值，但是如果是空串就不会建立数组。
2.6基本算法之动态规划6045:开餐馆
最新发布
Andy_SCP001的博客
07-24 244
北大信息学院的同学小明毕业之后打算创业开餐馆.现在共有n 个地点可供选择。我们用一个整数序列m1, m2, ... mn 来表示他们的相对位置。由于地段关系,开餐馆的利润会有所不同。为了避免自己的餐馆的内部竞争,餐馆之间的距离必须大于k。//f[i]:从第1个位置到开第i个位置开餐馆能获得的最大利润。j++){//从j个地点到第i个地点开餐馆。//n个地点开一家店。//每个餐馆开的位置。//边界条件:只有一个地点,只开一家店。//n个地点开很多家店。
算法-KMP字符串匹配
xx_xb的博客
07-23 307
next[i] 就是使子串 s[0…i] 有最长相等前后缀的前缀的最后一位的下标。总体来说解next数组和模板串匹配的过程很相似，触类旁通。
图像处理 python 有没有比较好的去除滤波思路 方便提取轮廓
05-22
Python 中有许多图像处理库可以用来去除滤波并且方便提取轮廓。其中最受欢迎的是 OpenCV 库。以下是一些常用的去除滤波思路： 1. 中值滤波：中值滤波是一种基于排序统计理论的非线性滤波技术。中值滤波器将每个像素周围的像素排序，然后用中间值替换该像素的强度值。这种方法可以有效地去除图像中的噪声，同时保留图像的边缘和细节。 2. 高斯滤波：高斯滤波器是一种线性滤波器，它使用高斯核函数对图像进行平滑处理。这种方法可以减少图像中的高频噪声，并保留图像的低频细节。高斯滤波器通常用于去除高斯噪声。 3. 双边滤波：双边滤波器是一种非线性滤波器，它可以保留图像的边缘特征，同时减少图像中的噪声。双边滤波器使用两个高斯核函数：一个用于空间域，另一个用于灰度域。这种方法适用于去除各种类型的噪声，包括高斯噪声、椒盐噪声等。 4. 形态学滤波：形态学滤波器是一种非线性滤波器，它使用结构元素对图像进行形态学操作。形态学滤波器可以用于去除图像中的噪声，并提取图像中的轮廓和形状信息。 这些方法都可以方便地在 Python 中使用 OpenCV 库来实现。对于去除滤波和轮廓提取，可以使用 OpenCV 中的函数 cv2.medianBlur、cv2.GaussianBlur、cv2.bilateralFilter 和 cv2.morphologyEx 等。
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

喵星人监护人

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