简单二值图降噪

Reference:

 

如何用C++读取bmp图像：

http://bbs.csdn.net/topics/340208546

bmp格式图像结构：

http://www.cnblogs.com/kingmoon/archive/2011/04/18/2020097.html

一、问题描述：

给一幅二值图，在其中加入一定比例（这里默认是10%）的噪声，然后使用相应的降噪搜索算法，对噪声图像进行降噪处理，获得噪声图像和降噪后的图像，并对比原始图像和降噪后的图像，评估降噪的效果。

 

 

二、算法与模型描述：

在进行搜索的时候，用到了如下评估模型：

其中，xi表示在搜索得到的当前状态，即当前处理的二值图，yi表示噪声图像，由于图像为二值图，我们设每个像素点的取值为 {-1,  1}，这里的三个参数都是正数。

则图中第一项指，当前图像像素点值的综合与参数的积，至于这项的物理意义我不是很理解；第二项指，当前图像每个像素点与周围点（例如周围的八个点）的乘积和与参数的积，如果这一项越小说明，当前的像素点与周围的差异越小，也就越不可能是噪点；第三项指，当前图像与噪声图像对应点的乘积和与参数的积，因为噪声图像的噪点一般较少，所以我们搜索得到的图像要和噪声图像尽可能拟合，如果这一项的值越小，说明拟合效果越好。

        

         关于实现的算法：

         这里实现了两种降噪算法：

1.      遍历噪声图像的所有点，对于每个像素点计算周围八个点中，其值与当前像素点值不等的个数count，如果count > 4说明当前像素点为噪点，则改变像素值。

这个算法虽然简单，但是高效而且降噪效果很好，但是容易丢失图像细节。

 

2.      类似于“爬山法“的局部搜索算法，对于当前图像，随机选取一个像素点，根据前面提到的评估模型进行试算，判断改变这个像素点的值，会不会使得评估模型的值变小，如果是则改变它，否则进行下一次选取。对于随机选取策略，首先在全局范围内选取一个像素点进行试算，接下来的200次都在这个像素点周围随机选取另一个点进行试算，每进行200次就在全局范围内再选取一个点重复上面的操作。

这样也有点类似，在宽度优先搜索的基础上进行一定深度的深度优先搜索。

 

三、降噪效果：

 

这里我定义了一个降噪结果的评估函数，具体就是比较一下降噪后的图像与原图像像素点匹配的比例，这样就可以初步判断降噪效果。

 

下面是测试样例：

简单遍历算法：

src0.bmp