空域内的滤波复原(matlab)

徐图图不糊涂

已于 2022-10-22 14:21:57 修改

阅读量811

点赞数 2

分类专栏：数字图像的运算文章标签： matlab 图像处理计算机视觉

于 2022-10-22 14:20:58 首次发布

本文链接：https://blog.csdn.net/weixin_56260304/article/details/127454581

版权

数字图像的运算专栏收录该内容

18 篇文章 9 订阅

订阅专栏

空域内的滤波复原方法主要包括：均值滤波复原、顺序统计滤波复原和自适应滤波复原。

均值滤波

设坐标点(x,y)，大小为m×n的矩形窗口表示为Sxy

算术平均值的窗口Sxy中被干扰图像g(x,y)的平均值，即：
在这里插入图片描述
几何均值滤波器复原图像的表达式：

逆谐波均值滤波器的表达式：其中Q为滤波器的阶数，当Q为正数时，可去除椒噪声；当Q为负数时，可去除盐噪声。但是不能同时消去椒噪声和盐噪声。当Q=-1时，为谐波均值滤波器。
在这里插入图片描述
算术均值和几何均值滤波：

>> I = imread('E:\persional\matlab\images\lena.bmp');
>> I = im2double(I);
>> I = imnoise(I,'gaussian',0.05);%添加高斯噪声
>> fsp = fspecial('average',3);%产生滤波器
>> J = imfilter(I,fsp);%算术均值滤波
>> K = exp(imfilter(log(I),fsp));%几何均值滤波
>> figure,
>> subplot(131),imshow(I);
>> subplot(132),imshow(J);
>> subplot(133),imshow(K);

在这里插入图片描述
采用逆谐波均值滤波器进行滤波：

>> I = imread('E:\persional\matlab\images\lena.bmp');
>> I = im2double(I);
>> I = imnoise(I,'salt & pepper',0.01);
>> fsp = fspecial('average',3);
>> Q1 = 1.6;
>> Q2 = -1.6;
>> J1 = imfilter(I.^(Q1+1),fsp);
>> J2 = imfilter(I.^(Q1),fsp);
>> J = J1./J2;%逆谐波滤波，Q为正
>> K1 = imfilter(I.^(Q2+1),fsp);
>> K2 = imfilter(I.^(Q2),fsp);
>> K = K1./K2;%逆谐波滤波，Q为负
>> figure,
>> subplot(131),imshow(I);
>> subplot(132),imshow(J);
>> subplot(133),imshow(K);

在这里插入图片描述

顺序统计滤波

顺序统计滤波包括中值滤波、最大值滤波和最小值滤波，中值滤波能够很好保留图像边缘，非常适合去除椒盐噪声，比均值滤波效果更优。

中值滤波：坐标点(x,y)，大小为m×n的窗口表示为Sxy，中值滤波是选取窗口Sxy中被干扰图像g(x,y)的中值，作为坐标点(x,y)的输出，公式为：
在这里插入图片描述
最大值滤波器：可以去除椒盐噪声，但是从黑色物体的边缘去除一些黑色像素，公式为：

最小值滤波器：可以去除椒盐噪声，但是从白色物体的边缘去除一些白色像素，公式为：

二维中值滤波对图像进行复原：

J = medfilt2(I)：该函数对图像进行二维中值滤波，窗口大小为默认值，即3×3

J = medfilt2(I,[m,n])：该函数在进行中值滤波时，采用窗口大小为m×n

>> I = imread('E:\persional\matlab\images\ba.tif');
>> I = im2double(I);
>> I = imnoise(I,'salt & pepper',0.05);
>> J = medfilt2(I,[3,3]);%二维中值滤波
>> figure,
>> subplot(121),imshow(I);
>> subplot(122),imshow(J);

在这里插入图片描述
二维排序滤波对图像进行修复：

J = ordfilt2(I,order,domain)：
domain：将矩阵domain中的非零值对应的元素经行排
order：像素的位置

>> I = imread('E:\persional\matlab\images\ba.tif');
>> I = im2double(I);
>> I = imnoise(I,'salt & pepper',0.1);
>> domain=[0 1 1 0;1 1 1 1;0 1 1 0];%窗口模板
>> J = ordfilt2(I,6,domain);%顺序滤波
>> figure,
>> subplot(121),imshow(I);
>> subplot(122),imshow(J);

在这里插入图片描述
最大最小值进行滤波复原：

>> I = imread('E:\persional\matlab\images\ba.tif');
>> I = im2double(I);
>> I = imnoise(I,'salt & pepper',0.01);
>> J = ordfilt2(I,1,ones(4,4));
>> K = ordfilt2(I,9,ones(3));
>> figure,
>> subplot(131),imshow(I);
>> subplot(132),imshow(J);
>> subplot(133),imshow(K);

在这里插入图片描述

自适应滤波

根据局部方差来调整滤波器的输出

J = wiener2(I,[m,n],noise)：对图像进行自适应维纳滤波，还可以对噪声进行估计
[J,noise] = wiener2(I,[m,n])：对图像中的噪声进行估计，返回值noise为噪声的能量
[m,n]：采用窗口大小为m×n，默认为3×3
noise：噪声的能量

>> I = imread('E:\persional\matlab\images\lena.bmp');
>> I = rgb2gray(I);
>> J = imnoise(I,'gaussian',0,0.03);
>> [K,noise] = wiener2(J,[5,5]);%自适应滤波
>> figure,
>> subplot(121),imshow(J);
>> subplot(122),imshow(K);