（八）图像的中值滤波

juechen333

于 2024-03-28 07:00:00 发布

阅读量1.4k

点赞数 6

分类专栏：数字图像处理文章标签： opencv 中值算法图像处理 GIS java

本文链接：https://blog.csdn.net/qq_57342311/article/details/137012774

版权

数字图像处理专栏收录该内容

14 篇文章 9 订阅

订阅专栏

本文介绍了在Windows10环境下，使用IDEA2021.2.3和JavaJDK11.0.1开发环境中，如何利用OpenCV库进行图像处理，重点讲解了中值滤波算法的原理、流程以及在消除噪声和保护边缘清晰度方面的优势。作者通过代码示例展示了如何在Java中实现中值滤波，以及实验结果展示其在图像去噪上的效果。

摘要由CSDN通过智能技术生成

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

（二）BSQ,BIL,BIP存储格式的相互转换算法

（三）单波段图像的伪彩色合成：密度分割（含介绍OpenCV中的Mat类）

（四）图像的%2线性拉伸

（五）图像的标准假彩色合成

（六）图像的直方图均衡化

（七）图像的均值滤波

（八）图像的中值滤波

（九）图像的高斯低通滤波

（十）图像的梯度倒数加权平滑

（十一）图像的罗伯特梯度锐化

（十二）图像的Sobel梯度锐化

（十三）图像的拉普拉斯梯度锐化

一、中值滤波简介

中值滤波是一种非线性信号处理技术，它能有效抑制图像中的噪声，尤其适合于去除脉冲噪声。

中值滤波的基本原理是将数字图像中某一点的值用该点邻域内所有点的中值代替。通常使用一个奇数大小的移动窗口来实现这一过程。例如，如果采用3x3的窗口，那么就会考虑中心点及其周围的8个邻居，共计9个像素值。这些值被排序后，中间的值（即第5个值）就被用来替换中心点原来的值。

以下是中值滤波的一些关键特点：

1、保留边缘信息：与线性滤波器（如邻域均值滤波）相比，中值滤波在消除噪声的同时，能够更好地保持图像的边缘清晰度。这是因为中值滤波不会像平均滤波那样对所有的输入值求平均，从而避免了过度模糊化图像的问题。

2、非线性操作：中值滤波是一种非线性操作，它不是基于卷积核（kernel）的传统滤波方式，而是通过选择一组数据中的中值来实现滤波效果。

3、抑制脉冲噪声：中值滤波特别适合于去除那些所谓的“盐和胡椒”噪声，即随机出现的白点或黑点，这种噪声在图像中通常表现为孤立的亮点或暗点。

中值滤波是一种简单而有效的图像去噪方法，它在图像处理和计算机视觉领域中有着广泛的应用。

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

以1×3的模板为例，图像外的像素使用0填补，对应的模板如图所示

中值滤波后的图像如图所示

新像素值g(x,y)=sort( f(x,y-1) ,f(x,y) ,f(x,y+1) )的中间值

2、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;

import java.util.Arrays;

/**
 * @Author: HNUST_jue_chen
 * @Date: 2022/11/02/ 14:47
 * @Attention: 转载, 引用请注明出处
 */

public class MedianFiltering {
    //加载本地动态链接库
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    //中值滤波
    public Mat MedianFilter(String path) {
        //将图像读入为灰度图
        Mat mat = Imgcodecs.imread(path, 0);
        //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1×3窗口进行滤波
        int[][] mat_arr_medianFilter = new int[rows][cols];
        for (int i = 0; i < rows; i++) {
            for (int j = 0; j < cols; j++) {
                if (j != 0 && j != cols - 1) {
                    int[] temp = new int[3];
                    temp[0] = mat_arr[i][j - 1];
                    temp[1] = mat_arr[i][j];
                    temp[2] = mat_arr[i][j + 1];
                    Arrays.sort(temp);
                    mat_arr_medianFilter[i][j] = temp[1];
                } else if (j == 0) {
                    int[] temp = new int[3];
                    temp[0] = 0;
                    temp[1] = mat_arr[i][j];
                    temp[2] = mat_arr[i][j + 1];
                    Arrays.sort(temp);
                    mat_arr_medianFilter[i][j] = temp[1];
                } else {
                    int[] temp = new int[3];
                    temp[0] = mat_arr[i][j - 1];
                    temp[1] = mat_arr[i][j];
                    temp[2] = 0;
                    Arrays.sort(temp);
                    mat_arr_medianFilter[i][j] = temp[1];
                }
            }
        }

        //合成图像
        Mat mat_MedianFilter = 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_MedianFilter.put(i, 0, mat_arr_medianFilter[i]);
        }

        return mat_MedianFilter;
    }

    public static void main(String[] args) {
        MedianFiltering mf = new MedianFiltering();
        Mat mat = mf.MedianFilter("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\14.png");
        //将中值滤波后的图像写入文件
        Imgcodecs.imwrite("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\14_mf.png", mat);
    }
}