图像处理之滤波器介绍

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/zhangfuliang123/article/details/74892351

    最近在看OpenCV 图像处理-平滑处理这个章节,于是呢,想着滤波器总结一下。这里主要是空间域滤波器的介绍,频率域以后再说吧。

首先分为平滑空间滤波器和锐化空间滤波器来进行介绍。平滑空间滤波器主要用于模糊处理和降低噪声,主要两类:均值滤波器和中值滤波器。锐化空间滤波器主要是:拉普拉斯算子和梯度算子

1、均值滤波器

       假设我们有一个3*3的模板,系数全为1,那么欲求的中心点像素值就是以该模板为中心的9个像素的平均值来代替。根据定义可知,该滤波器具有模糊边缘的负面效应。通过空间均值处理来模糊图像,可以突出感兴趣的物体,即将较部分图像融入背景中 ,部分图像‘突出显示’出来,达到平滑图像的作用,重点理解平滑对于图像的意义。

                                                                                                  

MATLAB实现代码:

set(gca,'Fontname','Monospaced');
I=imread('a.tif');   
subplot(231),imshow(I), title('origin image');  
%I=rgb2gray(I);  
%I1=imnoise(I,'salt & pepper',0.02);  
%subplot(2 3 2)  
%imshow(I1)  
%title('添加椒盐噪声的图像');
I1 = I;
k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波
k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波  
k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波  
k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波  
k5=filter2(fspecial('average',15),I1)/255; %进行15*15模板平滑滤波  
subplot(232),imshow(k1);title('3*3 smoothing filtering');  
subplot(233),imshow(k2);title('5*5 smoothing filtering');  
subplot(234),imshow(k3);title('7*7 smoothing filtering');  
subplot(235),imshow(k4);title('9*9 smoothing filtering');  
subplot(236),imshow(k5);title('15*15 smoothing filtering');  
结果:可以看出,在模板逐渐扩大的过程中,图像的锯齿边缘被模糊掉,颗粒状的噪声也没有了,达到了我们想要的效果,但是在9*9甚至更大的模板,图像开始失真,图像过度模糊了。所以我们在图像平滑的时候,要选最佳的模板尺寸。



2、中值滤波器

中值滤波器是一种统计排序滤波器,即图像像素等于周围像素排序后的中值,加入模板为3*3,则目标点的像素等于排序后的第五个像素的值。中值滤波器特别适用于椒盐噪声。由定义知,中值滤波器对于孤立点特别敏感,还可以保持图像的边缘特性。由中值滤波扩展出来的还有最大值滤波器和最小值滤波器。

MATLAB代码:

%=======second part======
I = imread('book_XRaySalt.tif');
subplot(131),imshow(I);title('原椒盐噪声图像');

k1=filter2(fspecial('average',3),I)/255; 	%进行3*3模板平滑滤波

k2=medfilt2(I,[3,3]); 						%进行3*3模板中值滤波

subplot(132),imshow(k1);title('3*3模板均值滤波');  
subplot(133),imshow(k2);title('3*3模板中值滤波');
I(100:110,100:110),
k2(100:110,100:110),
结果:


增加:

      这里补充说下高斯滤波器,高斯滤波器是利用高斯核与输入图像的每个点进行卷积。提到高斯,就想到‘草帽’,更能记住它。

       高斯滤波器是一种平滑线性滤波器,使用高斯滤波器对图像进行滤波,其效果是降低图像灰度的“尖锐”变化,也就是使图像“模糊”了。高斯滤波对于抑制服从正态分布的噪声效果非常好,其代价是使图像变得“模糊”。当然,有时对图像进行平滑滤波的目的就是让图像变得模糊。

一维高斯分布函数:                                                                                二维高斯分布函数:

                                                                

        它们的图像分别为:                                                                      

    

其3*3与5*5的卷积核对应如下:


MATLAB实现:

img = imread('lena.tif');
w = fspecial('gaussian',[5,5],0.5);
%replicate:图像大小通过赋值外边界的值来扩展
%symmetric 图像大小通过沿自身的边界进行镜像映射扩展
I = imfilter(img,w,'replicate');
subplot(1,2,1);title('原图像');imshow(img);
subplot(1,2,2);title('高斯滤波后的图像');imshow(I);

从结果可以看出,图像整体模糊平滑了,特别是头发和帽子部分,是图像的尖锐变化被降低了吧。

3、拉普拉斯算子进行图像锐化

拉普拉斯算子是一种二阶微分算子,其强调的是图像中灰度的突变,通过将原图像和拉普拉斯图像加在一起,可以达到锐化图像的作用,最终在保留图像的背景信息的前提下从而突出细节。拉普拉斯锐化模板在边缘检测中非常有用。因为图像的边缘就是那些灰度跳变厉害的的区域。


拉普拉斯算子模板:


实现代码:

%=============================================================
f=imread('moon.jpg');
subplot(2,3,1),imshow(f);  
title('原图像'); 

w4=fspecial('laplacian',0),
g1=imfilter(f,w4,'replicate');
subplot(2,3,2),imshow(g1); title('拉普拉斯模板滤波后的图像'); 

f2=im2double(f);%将f转换归一化的double类图像,然后进行滤波
g2=imfilter(f2,w4,'replicate');
% imshow(img,[low high])  [low high]用于指定图像显示的灰度范围 对于double数据认为是0-1范围内
subplot(2,3,3),imshow(g2,[]);   title('含有负值的滤波结果'); 

g=f2-g2;
subplot(2,3,4),imshow(g);title('原图-含有负值的滤波结果');

%w8=[0 1 0;1 -4 1;0 1 0],
w8=[1 1 1;1 -8 1;1 1 1],
g8=f - imfilter(f,w8,'replicate');
subplot(2,3,5),imshow(g8);title('对角线中心为8的拉普拉斯模板');


%=============================================================


4、梯度算子进行图像锐化

    相比于拉普拉斯二阶微分算子,梯度算子一一阶微分算子,更为简单。其实个人觉得,把梯度算子放在‘边缘检测’更为合适。


f(x,y)在X方向和Y方向的梯度:

经典模板:

代码实现:
代码中增加注释,很详细的介绍了求梯度算子锐化的过程。
%   soble algorithm
%   ZhangFL at SWPU  2017.04.26
%   Sobel算子中的垂直模板得到的梯度图,由于梯度方向与边缘走向垂直,所以该梯度图对水平边缘有较强的响应,从而水平细节信息非常清晰。
%   sobel算子中的水平模板得到的梯度图,它对垂直边缘有较强的响应,垂直细节非常清晰。
%   Sobel算子水平和垂直方向叠加的梯度图,水平和垂直细节都非常清晰。
 A=imread('house.tif');  
 %I=rgb2gray(A);
  I=A;
 
 subplot(2,2,1); 
 imshow(I);  
 title('原图'); 
 
  k2=filter2(fspecial('average',5),I)/255; %进行5*5模板平滑滤波
  I=k2;
  hx=[-1 -2 -1;0 0 0 ;1 2 1],  %产生sobel垂直梯度模板
  hy=hx',                    %产生sobel水平梯度模板
  
  gradx=filter2(hx,I,'same');
  gradx=abs(gradx); %计算图像的sobel垂直梯度
  subplot(2,2,2);
  imshow(gradx,[]);
  title('图像的sobel垂直梯度');
  
  
  grady=filter2(hy,I,'same');
  grady=abs(grady); %计算图像的sobel水平梯度
  subplot(2,2,3);
  imshow(grady,[]);
   title('图像的sobel水平梯度');
   
   grad=gradx+grady;  %得到图像的sobel梯度
   subplot(2,2,4);
   imshow(grad,[]);
   title('图像的sobel梯度(使用5*5模板平滑滤波)');
   
   



阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页