空间域滤波

发表于 更新于 分类于 ，

大漠孤烟直？长河落日圆！

前言

这次的实验主要是对图像进行图像平滑处理，图像锐化也是类似的方法。

首先解决存惑已久的概念，什么是空间域？

图像增强方法

图像增强方法分为两大类：空间域方法和频域方法

  • 空间域”是指图像平面自身，这类方法是以对图像的像素直接处理为基础
  • “频域”处理技术是以修改图像的傅氏变换为基础（以后会总结）

实验任务

  • 平均处理（基于模板卷积运算）
  • 中值滤波

    说明：上述处理需要对边界点进行处理，2种方法

模板在DIP 中常见的核一文中总结过，如果不清楚概念可以查看一下。

任务解析

两次实验都是为了进行图像平滑处理，主要目的是消除噪声或模糊图像，去除小的细节或弥合目标间的缝隙。

  • 平均处理（基于模板卷积运算），对图像每个像素进行模板内像素的平均化求值并更新中心像素。
  • 中值滤波，对图像每个像素进行模板内像素的中位数求值并更新中心像素。
  • 边缘处理，两种方法：不处理；扩充图像。

任务Start

首先展示一下原图（因为需要找噪声比较明显的图像，所以没找到像素比较大的和attractive的 :cry:）：

平均处理

比较常见的有两种平均处理核：

  • 第一种

$$
\frac{1}{9}\times
\begin{bmatrix}
1&1&1\\
1&1&1\\
1&1&1
\end{bmatrix}
$$

  • 第二种

$$
\frac{1}{16}\times
\begin{bmatrix}
1&2&1\\
2&4&2\\
1&2&1
\end{bmatrix}
$$

实现是采用的是第一种。

代码

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
void AverageProcessing(const char * src, const char * output)
{
	BMFILEHEADER header;
	INFOHEADER info;


	unsigned char ** data = malloc(sizeof(unsigned char*));
	RGBQUAD ** palette = malloc(sizeof(RGBQUAD*));
	unsigned pixelCounts = BMPReader8(src, &header, &info, palette, data);

	unsigned char **outData = malloc(sizeof(unsigned char*));

	*outData = malloc(pixelCounts);


	for (unsigned i = 0; i < info.height; i++)
	{
		
		for (unsigned j = 0; j < info.width; j++)
		{
			if (i == 0 ||( i == info.height - 1)|| j == 0 || (j == info.width - 1))
			{
				*(*outData + i * info.width + j) = *(*data + i * info.width + j);
				continue;
			}
			int newGray = *(*data + (i - 1) * info.width + (j - 1)) +
				*(*data + (i)* info.width + (j - 1)) +
				*(*data + (i + 1)* info.width + (j - 1)) +
				*(*data + (i - 1)* info.width + (j)) +
				*(*data + (i)* info.width + (j)) +
				*(*data + (i + 1)* info.width + (j)) +
				*(*data + (i - 1)* info.width + (j + 1)) +
				*(*data + (i)* info.width + (j + 1)) +
				*(*data + (i + 1)* info.width + (j + 1));
			newGray /= 9;
			*(*outData + i * info.width+j) = newGray;
		}
	}

	BMPWriter8(output, &header, &info, palette, outData);

}

运行结果

采用一次迭代和三次迭代，一次迭代可能效果不够明显，所以采用多次迭代。但是也会对原图的准确数据造成模糊。

  • 一次迭代运行结果

  • 三次迭代运行结果

中值滤波

代码

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
void MedianFiltering(const char * src, const char * output)
{
	BMFILEHEADER header;
	INFOHEADER info;


	unsigned char ** data = malloc(sizeof(unsigned char*));
	RGBQUAD ** palette = malloc(sizeof(RGBQUAD*));
	unsigned pixelCounts = BMPReader8(src, &header, &info, palette, data);

	unsigned char **outData = malloc(sizeof(unsigned char*));

	*outData = malloc(pixelCounts);


	for (unsigned i = 0; i < info.height; i++)
	{

		for (unsigned j = 0; j < info.width; j++)
		{
			if (i == 0 || (i == info.height - 1) || j == 0 || (j == info.width - 1))
			{
				*(*outData + i * info.width + j) = *(*data + i * info.width + j);
				continue;
			}
			int newGrays[] = { *(*data + (i - 1) * info.width + (j - 1)) ,
				*(*data + (i)* info.width + (j - 1)) ,
				*(*data + (i + 1)* info.width + (j - 1)) ,
				*(*data + (i - 1)* info.width + (j)) ,
				*(*data + (i)* info.width + (j)) ,
				*(*data + (i + 1)* info.width + (j)) ,
				*(*data + (i - 1)* info.width + (j + 1)) ,
				*(*data + (i)* info.width + (j + 1)) ,
				*(*data + (i + 1)* info.width + (j + 1)) };
			quicksort(newGrays, 0, 8);
			int newGray = newGrays[4];
			*(*outData + i * info.width + j) = newGray;
		}
	}

	BMPWriter8(output, &header, &info, palette, outData);
}

运行结果

与均值处理类似，中值处理也分别采用1次和3次迭代。

  • 一次迭代运行结果

  • 三次迭代运行结果

结果

整体看一下效果，可以打开一个图进行左右切换对比。

  • 原图

  • 平均处理（一次处理）

  • 平均处理（三次迭代）

  • 中值滤波（一次处理）

  • 中值滤波（三次迭代）

两者对比

很明显，中值滤波处理方法更优。平均处理方法在模糊噪声的同时也一定程度的模糊的关键像素，会产生新的灰度值；而中值滤波只会选取已有的灰度值进行取值。

总结

全部代码请查看GitHub

本次实验相对比较简单，主要是因为前几天对一些BMP文件的处理做了一定的封装，把精力放到图像处理上来。图像锐化的内容也和本次实验类似，只是去了不同的“核”来处理。