环境:Windows10专业版 + IDEA2021.2.3 + jdk11.0.1 + OpenCV-460.jar
系列文章:
(一)Python+GDAL实现BSQ,BIP,BIL格式的相互转换
目录
一、均值滤波简介
均值滤波是一种基于邻域平均的图像平滑处理技术,通常用于减少图像噪声并使图像变得平滑。
以下是关于均值滤波的几个关键点:
1.应用场景:这种滤波方法主要用于图像去噪,可以有效地降低图像中的随机噪声,使图像整体显得更平滑。但需要注意的是,在去除噪声的同时,也可能会使图像失去一些细节信息。
2.模板大小:在进行均值滤波时,可以选择不同大小的滤波模板,如3x3、5x5等。选择的模板越大,每次参与平均的区域就越大,相应的平滑效果也就越明显。不过,较大的模板也可能会导致更多的细节损失。
3.实现方式:在实际应用中,可以通过编写程序来实现均值滤波。例如,在C++中可以通过遍历图像的每一个像素点,并对每个像素点的邻域应用滤波器来计算新的像素值。
4.优缺点:算法简单,计算速度快,适合快速实现基本的图像平滑处理;但是会造成图像模糊,特别是对图像的边缘和细节削弱很多。
5.与其他滤波对比:除了均值滤波外,还有其他多种图像滤波算法,如高斯滤波、中值滤波和双边滤波等,各自有不同的特点和适用场景。选择合适的滤波器需要根据具体的图像处理需求和目的来决定。
均值滤波是一种以简单著称的图像处理方法,适用于快速的图像去噪和平滑处理,但在使用时需要注意其可能导致的细节损失。
二、算法流程
(以单波段图像为例)
1、利用OpenCV读入图像,将像素存储在数组里
2、以3×3的模板为例,对应的模板如图所示
为了避免中心像素值过高影响平均值升高,在运算时可不取中心值,由周围的八个像素进行运算,如图所示
新像素值g(x,y)=1/9 ( f(x-1,y-1) + f(x-1,y) + f(x-1,y+1) + f(x,y-1) + f(x,y) + f(x,y+1)+ f(x+1,y-1) + f(x+1,y) + f(x+1,y+1) )
3、将经过滤波后的像素值存入数组合成图像并存储
三、代码实现
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
/**
* @Author: HNUST_jue_chen
* @Date: 2022/11/02/ 10:43
* @Attention: 转载, 引用请注明出处
*/
public class AverageFiltering {
//加载本地动态链接库
static {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
}
//进行均值滤波
public Mat averageFilter(String path) {
//使用Mat类存储图像信息
Mat mat = Imgcodecs.imread(path);
//图像的大小
int rows = mat.rows();
int cols = mat.cols();
//获得原图像像素数组
int[][] mat_arr = new int[rows][cols];
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
mat_arr[i][j] = (int) mat.get(i, j)[0];
}
}
//用3×3窗口进行均值滤波
int[][] mat_arr_avgFilter = new int[rows][cols];
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
//处理非边缘的像素
if (i != 0 && i != rows - 1 && j != 0 && j != cols - 1) {
mat_arr_avgFilter[i][j] = (int) ((1.0 / 9)
* (mat_arr[i - 1][j - 1] + mat_arr[i - 1][j] + mat_arr[i - 1][j + 1]
+ mat_arr[i][j - 1] + mat_arr[i][j] + mat_arr[i][j + 1]
+ mat_arr[i + 1][j - 1] + mat_arr[i + 1][j] + mat_arr[i + 1][j + 1]));
} else { //处理边缘的像素
mat_arr_avgFilter[i][j] = mat_arr[i][j];
}
}
}
//合成图像
Mat mat_avgFilter = new Mat(rows, cols, CvType.CV_32SC1);
//将像素放入图像
for (int i = 0; i < rows; i++) {
//一次放入一行像素值
mat_avgFilter.put(i, 0, mat_arr_avgFilter[i]);
}
return mat_avgFilter;
}
public static void main(String[] args) {
AverageFiltering af = new AverageFiltering();
Mat mat = af.averageFilter("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray.png");
//将均值滤波后的图像写入文件
Imgcodecs.imwrite("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray_af.png", mat);
}
}
四、结果
1、读入的图像
2、经过空间滤波后的图像
经过均值滤波操作后的图像变得更模糊,达到了抑制噪声的目的