数字图像处理(c++ opencv)：图像复原与重建-常见的滤波方法--统计排序滤波器

凤枭香2024-11-18 10:01

中值滤波器

中值滤波器原理（Median Filter）

中值滤波器就是将滤波窗口内像素灰度值的中间值作为滤波结果。中值滤波器与大小相同的线性平滑滤波器相比，能有效地降低某些随机噪声且模糊程度较低，应用较为广泛。

cpp 复制代码 
#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

//定义滤波函数
void MedianFilter(Mat img_input, Mat& img_output, int m, int n); //输入图像，输出图像，m,n为滤波器大小。

int main()
{
	Mat image, image_gray, image_output, image_output2;   //定义输入图像，灰度图像，输出图像，输出图像2
	image = imread("高斯噪声.png");  //读取图像；
	if (image.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	imshow("image", image);

	//转换为灰度图像
	cvtColor(image, image_gray, COLOR_BGR2GRAY);
	imshow("image_gray", image_gray);

	//自己编写的滤波函数
	MedianFilter(image_gray, image_output, 7, 7);
	imshow("image_output", image_output);

	//opencv自带中值滤波
	medianBlur(image_gray, image_output2, 7);
	imshow("image_output2", image_output2);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}


//实现滤波函数
void MedianFilter(Mat img_input, Mat& img_output, int m, int n)
{
	img_output = img_input.clone();
	int num = m * n;
	vector<uchar> sortarray(num);

	//1、为了保证图像的边缘也能够被滤波，这里首先扩展图像边缘，扩展方法为镜像
	copyMakeBorder(img_input, img_input, (m - 1) / 2, (m - 1) / 2, (n - 1) / 2, (n - 1) / 2, BORDER_REFLECT);

	//2、中值滤波
	for (int i = (m - 1) / 2; i < img_input.rows - (m - 1) / 2; i++)
	{
		for (int j = (n - 1) / 2; j < img_input.cols - (n - 1) / 2; j++)
		{
			int h = 0;
			for (int x = -(m - 1) / 2; x <= (m - 1) / 2; x++)
			{
				for (int y = -(n - 1) / 2; y <= (n - 1) / 2; y++)
				{
					sortarray[h] = img_input.at<uchar>(i + x, j + y);
					h++;
				}
			}
			sort(sortarray.begin(), sortarray.end()); //排序
			img_output.at<uchar>(i - (m - 1) / 2, j - (n - 1) / 2) = sortarray[(num - 1)/2];
		}
	}
}

最大值滤波器

最大值滤波器原理（Max Filters）

最大值滤波器就是将滤波窗口内像素灰度值的最大值作为滤波结果。最大值滤波器可以削弱与明色区域相邻的暗色区域，可以用来降低胡椒噪声。

cpp 复制代码 
#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

//定义滤波函数
void MaxFilter(Mat img_input, Mat& img_output, int m, int n); //输入图像，输出图像，m,n为滤波器大小。

int main()
{
	Mat image, image_gray, image_output;   //定义输入图像，灰度图像，输出图像
	image = imread("胡椒噪声.png");  //读取图像；
	if (image.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	imshow("image", image);

	//转换为灰度图像
	cvtColor(image, image_gray, COLOR_BGR2GRAY);
	imshow("image_gray", image_gray);

	//自己编写的滤波函数
	MaxFilter(image_gray, image_output, 7, 7);
	imshow("image_output", image_output);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}


//实现滤波函数
void MaxFilter(Mat img_input, Mat& img_output, int m, int n)
{
	img_output = img_input.clone();
	int num = m * n;
	vector<uchar> sortarray(num);

	//1、为了保证图像的边缘也能够被滤波，这里首先扩展图像边缘，扩展方法为镜像
	copyMakeBorder(img_input, img_input, (m - 1) / 2, (m - 1) / 2, (n - 1) / 2, (n - 1) / 2, BORDER_REFLECT);

	//2、滤波
	for (int i = (m - 1) / 2; i < img_input.rows - (m - 1) / 2; i++)
	{
		for (int j = (n - 1) / 2; j < img_input.cols - (n - 1) / 2; j++)
		{
			int h = 0;
			for (int x = -(m - 1) / 2; x <= (m - 1) / 2; x++)
			{
				for (int y = -(n - 1) / 2; y <= (n - 1) / 2; y++)
				{
					sortarray[h] = img_input.at<uchar>(i + x, j + y);
					h++;
				}
			}
			sort(sortarray.begin(), sortarray.end()); //排序
			img_output.at<uchar>(i - (m - 1) / 2, j - (n - 1) / 2) = sortarray[num - 1];
		}
	}
}

最小值滤波器

最小值滤波器原理（Min Filter）

最小值滤波器就是将滤波窗口内像素灰度值的最小值作为滤波结果。最小值滤波可以削弱与暗色区域相邻的明色区域，可以用来降低盐粒噪声。

cpp 复制代码 
#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

//定义滤波函数
void MinFilter(Mat img_input, Mat& img_output, int m, int n); //输入图像，输出图像，m,n为滤波器大小。

int main()
{
	Mat image, image_gray, image_output;   //定义输入图像，灰度图像，输出图像
	image = imread("盐粒噪声.png");  //读取图像；
	if (image.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	imshow("image", image);

	//转换为灰度图像
	cvtColor(image, image_gray, COLOR_BGR2GRAY);
	imshow("image_gray", image_gray);

	//自己编写的滤波函数
	MinFilter(image_gray, image_output, 7, 7);
	imshow("image_output", image_output);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}


//实现滤波函数
void MinFilter(Mat img_input, Mat& img_output, int m, int n)
{
	img_output = img_input.clone();
	int num = m * n;
	vector<uchar> sortarray(num);

	//1、为了保证图像的边缘也能够被滤波，这里首先扩展图像边缘，扩展方法为镜像
	copyMakeBorder(img_input, img_input, (m - 1) / 2, (m - 1) / 2, (n - 1) / 2, (n - 1) / 2, BORDER_REFLECT);

	//2、滤波
	for (int i = (m - 1) / 2; i < img_input.rows - (m - 1) / 2; i++)
	{
		for (int j = (n - 1) / 2; j < img_input.cols - (n - 1) / 2; j++)
		{
			int h = 0;
			for (int x = -(m - 1) / 2; x <= (m - 1) / 2; x++)
			{
				for (int y = -(n - 1) / 2; y <= (n - 1) / 2; y++)
				{
					sortarray[h] = img_input.at<uchar>(i + x, j + y);
					h++;
				}
			}
			sort(sortarray.begin(), sortarray.end()); //排序
			img_output.at<uchar>(i - (m - 1) / 2, j - (n - 1) / 2) = sortarray[0];
		}
	}
}

中点滤波器

中点滤波器原理（Midpoint Filter）

中点滤波器将滤波窗口内像素灰度值最大最小值的均值作为滤波结果。中点滤波器是统计排序滤波器和平均滤波器的组合，适合处理随机噪声，如高斯噪声和均匀噪声。

cpp 复制代码 
#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

//定义滤波函数
void MidpointFilter(Mat img_input, Mat& img_output, int m, int n); //输入图像，输出图像，m,n为滤波器大小。

int main()
{
	Mat image, image_gray, image_output;   //定义输入图像，灰度图像，输出图像
	image = imread("高斯噪声.png");  //读取图像；
	if (image.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	imshow("image", image);

	//转换为灰度图像
	cvtColor(image, image_gray, COLOR_BGR2GRAY);
	imshow("image_gray", image_gray);

	//自己编写的滤波函数
	MidpointFilter(image_gray, image_output, 7, 7);
	imshow("image_output", image_output);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}


//实现滤波函数
void MidpointFilter(Mat img_input, Mat& img_output, int m, int n)
{
	img_output = img_input.clone();
	int num = m * n;
	vector<uchar> sortarray(num);

	//1、为了保证图像的边缘也能够被滤波，这里首先扩展图像边缘，扩展方法为镜像
	copyMakeBorder(img_input, img_input, (m - 1) / 2, (m - 1) / 2, (n - 1) / 2, (n - 1) / 2, BORDER_REFLECT);

	//2、滤波
	for (int i = (m - 1) / 2; i < img_input.rows - (m - 1) / 2; i++)
	{
		for (int j = (n - 1) / 2; j < img_input.cols - (n - 1) / 2; j++)
		{
			int h = 0;
			for (int x = -(m - 1) / 2; x <= (m - 1) / 2; x++)
			{
				for (int y = -(n - 1) / 2; y <= (n - 1) / 2; y++)
				{
					sortarray[h] = img_input.at<uchar>(i + x, j + y);
					h++;
				}
			}
			sort(sortarray.begin(), sortarray.end()); //排序
			img_output.at<uchar>(i - (m - 1) / 2, j - (n - 1) / 2) = round((sortarray[0] + sortarray[num-1])/2);
		}
	}
}

修正阿尔法均值滤波器

修正阿尔法均值滤波器原理（Alpha-Trimmed Mean Filter）

将滤波窗口内像素灰度值的d/2个最低值和最高值删除后的平均值作为滤波结果。修正阿尔法均值滤波器适合处理多种混合噪声，如均匀噪声+椒盐噪声。

cpp 复制代码 
#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

//定义滤波函数
void AlphaTrimmedMeanFilter(Mat img_input, Mat& img_output, int m, int n, int d); //输入图像，输出图像，m,n为滤波器大小, d为去掉前后像素的个数

int main()
{
	Mat image, image_gray, image_output;   //定义输入图像，灰度图像，输出图像
	image = imread("均匀+椒盐.png");  //读取图像；
	if (image.empty())
	{
		cout << "读取错误" << endl;
		return -1;
	}
	imshow("image", image);

	//转换为灰度图像
	cvtColor(image, image_gray, COLOR_BGR2GRAY);
	imshow("image_gray", image_gray);

	//自己编写的滤波函数
	AlphaTrimmedMeanFilter(image_gray, image_output, 7, 7, 5);
	imshow("image_output", image_output);

	waitKey(0);  //暂停，保持图像显示，等待按键结束
	return 0;
}


//实现滤波函数
void AlphaTrimmedMeanFilter(Mat img_input, Mat& img_output, int m, int n, int d)
{
	img_output = img_input.clone();
	int num = m * n;
	vector<uchar> sortarray(num);

	//1、为了保证图像的边缘也能够被滤波，这里首先扩展图像边缘，扩展方法为镜像
	copyMakeBorder(img_input, img_input, (m - 1) / 2, (m - 1) / 2, (n - 1) / 2, (n - 1) / 2, BORDER_REFLECT);

	//2、滤波
	for (int i = (m - 1) / 2; i < img_input.rows - (m - 1) / 2; i++)
	{
		for (int j = (n - 1) / 2; j < img_input.cols - (n - 1) / 2; j++)
		{
			int h = 0;
			for (int x = -(m - 1) / 2; x <= (m - 1) / 2; x++)
			{
				for (int y = -(n - 1) / 2; y <= (n - 1) / 2; y++)
				{
					sortarray[h] = img_input.at<uchar>(i + x, j + y);
					h++;
				}
			}
			sort(sortarray.begin(), sortarray.end()); //排序
			int sum = 0;
			for (int k = d; k < num - d - 1; k++)
			{
				sum = sum + sortarray[k];
			}
			img_output.at<uchar>(i - (m - 1) / 2, j - (n - 1) / 2) = round(sum / (num - 2 * d));
		}
	}
}
相关推荐
雍凉明月夜11 分钟前
c++ 精学笔记记录Ⅲ
c++·笔记·学习
oioihoii25 分钟前
C++共享内存小白入门指南
java·c++·算法
这张生成的图像能检测吗26 分钟前
（论文速读）LCT：用于RGB-D突出物体检测的轻型跨模态变压器
图像处理·目标检测·计算机视觉·深度估计·轻量化模型·跨模态融合·rgb-d
布茹 ei ai27 分钟前
QtWeatherApp - 简单天气预报软件(C++ Qt6)(附源码)
开发语言·c++·qt·开源·开源项目·天气预报
Bruce_kaizy27 分钟前
c++图论————图的基本与遍历
c++·算法·图论
Zmm147258369_29 分钟前
好用的PC耐力板机构
c++
Code Slacker1 小时前
LeetCode Hot100 —— 普通数组（面试纯背版）（五）
数据结构·c++·算法·leetcode·面试
秦苒&1 小时前
【C语言】详解数据类型和变量（一）：数据类型介绍、 signed和unsigned、数据类型的取值范围、变量、强制类型转换
c语言·开发语言·c++·c#
啊阿狸不会拉杆1 小时前
《数字图像处理》第7章：小波变换和其他图像变换
图像处理·人工智能·python·算法·机器学习·计算机视觉·数字图像处理
骄傲的心别枯萎1 小时前
RV1126 NO.57：ROCKX+RV1126人脸识别推流项目之读取人脸图片并把特征值保存到sqlite3数据库
数据库·opencv·计算机视觉·sqlite·音视频·rv1126
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03Linux下V2Ray安装配置指南04在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）05安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）06BongoCat - 跨平台键盘猫动画工具07【AutoGLM部署】本地私有化部署AI手机Agent08Neo4j（一） - Neo4j安装教程（Windows）09Open-AutoGLM Windows 安装部署教程10Cursor 又偷偷更新，这个功能太实用：Visual Editor for Cursor Browser