http://www.cnblogs.com/lianera/p/5032631.html
理论
在相机采集到的图像中,往往会存在一定的噪声。这种噪声一般来说在空间域是互不相关的,并且是一种加性噪声。对于一幅相机采集到的图像,可以表示为无噪声图像和加性噪声的组成,也即:
g(x,y)=f(x,y)+η(x,y)(1)
其中: g(x,y) 为采集图像, f(x,y) 为无噪声图像, η(x,y) 为噪声。
去噪的过程就是从已知的 g(x,y) 来近似得到 f(x,y) 的过程。
对于同一个场景拍摄的多张图像来说, fi(x,y) 是相同的,而 ηi(x,y) 是随机的且相互之间不相关,相同场景的k幅图像图像的均值可以表示如下
g¯(x,y)=1K∑i=1K[fi(x,y)+ηi(x,y)]=f(x,y)+1K∑i=1Kηi(x,y)(2)
由于噪点随机且不相关,可得其平均图像的期望
E{g¯(x,y)}=f(x,y)(3)
平均图像的方差
σ2g¯(x,y)=1Kσ2η(x,y)(4)
即
σg¯(x,y)=1K−−√ση(x,y)(5)
从式 (3) 中我们可以发现,同场景的多幅图像的均值的期望是无噪点图像,但是会存在一些扰动,这些扰动的标准差 (5) 就决定了噪声的强度。我们对图像去噪的本质就是减少在空间域上的标准差。从式 (5) 中我们不难发现,通过增大 K 值,即增加平均图像的数量,即可减少噪声。
但同时我们可以发现: σ∝1K√ , ∂σ∂K=−12K3√ ,随着 K 值的增大, σ 的变化越来越小,用平均法去噪时,单单通过提高图像数量的作用是很小的。
实验
目的
1. 验证同场景下多图像平均可以进行去噪。
2. 随着图像数量的增大,图像噪点变化越来越小。
数据集
同一场景的179幅照片,用短时间采集完成。
以下是其中的一幅图片
其局部细节:
可以发现图像上的噪点是比较多的。
程序设计
程序的处理过程为:
* 读取图像
* 求平均值
* 显示图像
程序源码:
matlab
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
% get image file names
DIR =
'imgs'
;
imgFiles =
dir
([DIR ,
'/*.jpg'
]);
[N, C]=
size
(imgFiles);
% get the image size
img = im2double(
imread
([DIR ,
'/'
, imgFiles(1).name]));
figure
(1);
imshow(img);
img = img / N;
% calculate the average
for
m = 2:N
img = img + im2double(
imread
([DIR ,
'/'
, imgFiles(m).name])) / N;
end
figure
(2);
imshow(img);
|
C++(OpenCV2.4)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
|
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <sstream>
#include <exception>
#include <iostream>
void
denoise()
{
const
int
N = 179;
cv::Mat avrg_img;
for
(
int
i = 0; i < N; i++){
std::ostringstream oss;
oss <<
"imgs/img ("
<< i+1 <<
").jpg"
;
cv::Mat image = cv::imread(oss.str());
// convert to double
image.convertTo(image, CV_32F, 1.0 / 255.0);
if
(i == 0){
cv::namedWindow(
"noisy image"
);
cv::imshow(
"noisy image"
, image);
avrg_img = image / N;
}
else
avrg_img += image / N;
}
cv::namedWindow(
"denoised image"
);
cv::imshow(
"denoised image"
, avrg_img);
avrg_img.convertTo(avrg_img, CV_8UC3, 255.0);
cv::imwrite(
"denoised.jpg"
, avrg_img);
}
int
main()
{
try
{
denoise();
}
catch
(std::exception &e){
std::cerr << e.what() << std::endl;
}
cv::waitKey();
return
0;
}
|
测试
对179张图片进行测试,结果如下:
对照原图:
可以看出,噪点明显减少了,从而验证了多图像平均法去噪的可行性。
改变平均的图片数量,
K
取
2,3...10
,可以得到一系列图像,如以下gif所示:
可以看出,从原图到 K=2 ,噪点减少显著,而从 K=9 到 K=10 ,噪点变化较少,验证了之前的数学模型。
参考
[1] 冈萨雷斯.数字图像处理[M]. 阮秋琦译. 北京:电子工业出版社. 2011.6