基于opencv的圖像濾波實驗

1、計算機體系結構圖像的濾波處理第二次編程練習概述：有關程序：程序運行的時候先輸入MSE PSNR的輸出文件地址，再輸入希望濾波的圖片地址，接著輸入原來未污染的圖片地址，這時輸出受污染的圖片與原圖的MSE, PSNR，接著選擇濾波器類型，輸出濾波圖片保存位置，同時寫入濾波后的MSE,PSNR。這時用戶可以選擇重新?lián)Q一張圖片濾波或者對同一張圖片進行不同濾波處理有關報告：報告第一部分介紹程序?qū)崿F(xiàn)的主要功能，第二部分介紹濾波實現(xiàn)理論思路，第三部分對濾波的結果進行量化分析（對提供的10張圖片分別進行不同窗口大小的均值，中值濾波，改進的自適應中值濾波，以及雙邊濾波，并對結果分析，計算濾波后的MSE,PSNR

2、，并附表格。第四部分主要是編程的心得體會。一. 主要編程實現(xiàn)的功能主要對輸入的圖像進行了基于3*3窗口，以及5*5窗口的線性均值濾波；基于3*3窗口，以及5*5窗口的非線性的中值濾波。在提高部分，在線性濾波的基礎之上，采用了同時考慮像素點與中心像素點距離，以及像素值差距的雙邊濾波器；在非線性的中值濾波器的基礎上，采用了自適應的中值濾波器，也即根據(jù)窗口中噪聲點的多少自動地調(diào)節(jié)濾波窗口的大小，這兩種改進的濾波方法都在濾除噪聲點的同時保護邊緣特性，其中雙邊濾波器對高斯噪聲的濾波效果較為明顯，而自適應的中值濾波器對于椒鹽噪聲的濾波效果較好。二. 設計思路（一）對圖片進行基本的打開，保存等操作在剛開始編

3、程的時候，沒有了解到可以調(diào)用opencv的庫函數(shù)進行圖片的調(diào)用，就采取了直接讀取圖片的文件頭信息頭的方式，進行圖片的讀入以及寫入操作。在這個過程中，我也了解到了位圖的信息頭，文件頭，像素點的表達方式。位圖文件由三部分組成：文件頭 + 位圖信息 + 位圖像素數(shù)據(jù)，如下為位圖文件頭的結構體。typedef struct tagBITMAPFILEHEADER WORD bfType;DWORD bfSize;WORD bfReserved1;WORD bfReserved2;DWORD bfOffBits; BITMAPFILEHEADER;位圖信息中所記錄的值用于分配內(nèi)存，設置調(diào)色板信息，讀取像

4、素值等。如下為位圖的信息結構體，typedef struct tagBITMAPINFO BITMAPINFOHEADER bmiHeader;RGBQUAD bmiColors1; BITMAPINFO;位圖信息頭包含了單個像素所用字節(jié)數(shù)以及描述顏色的格式，此外還包括位圖的寬度、計算機體系結構高度、目標設備的位平面數(shù)、圖像的壓縮格式。以下是位圖信息頭結構的定義：typedef struct tagBITMAPINFOHEADER / bmihDWORD biSize;LONG biWidth;LONG biHeight;WORD biPlanes;WORD biBitCountDWORD b

5、iCompression;DWORD biSizeImage;LONG biXPelsPerMeter;LONG biYPelsPerMeter;DWORD biClrUsed;DWORD biClrImportant; BITMAPINFOHEADER;在實際的操作中，我們可以通過定義位圖的信息頭，文件頭等結構體，通過讀入的方式，來引用結構體中像素點的像素值，圖片的長度，寬度等。下圖為使用讀入的方法查看圖片的信息然而在之后，我了解到可以使用opencv的庫函數(shù)進行操作，就直接使用cvLoadImage，這個函數(shù)進行圖片的讀入，使用image-imageData的方式來引用圖片的像素點值，從而

6、進行濾波的操作。（二）不同濾波器實現(xiàn)原理1. 均值濾波器（1）原理均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用計算機體系結構均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度值g（x，y），即g(x,y)=1f(x,y)，m為該模板中包m含當前像素在內(nèi)的像素總個數(shù)。（2）模板采用均值濾波的時候，采用不同大小的掩膜。不同系數(shù)的掩膜，得到的濾波效果會有很大的差別。根據(jù)公式y(tǒng)i,j=HX其中H為nn的掩膜的系數(shù)矩陣，X為以y

7、i,j為中心點周圍nn大小的矩陣的像素點的值。l 模板一當采用3*3的模板的時候從模板的系數(shù)可以看出，這里計算得到的是中間像素點與周圍臨近的nn-1 個像素點像素值之間的差距，因而在第一次嘗試中，主要的計算方法是，該模板計算得到的數(shù)值加上中間像素點的值，也即就是像素點的值由其與周圍nn-1個像素點的像素值的區(qū)別決定，而得到的圖像的濾波效果十分差。如下圖（對lena圖進行3*3的均值濾波處理）我又重新仔細考慮了原因，根據(jù)以上的計算方法，由于噪聲點的像素值與周圍點的像素值差距十分大，假設周圍像素點的值都接近255，而中間噪聲點的值接近0，這時得到的中間點的像素值就應該為負值，由于位圖的像素點值為0-255無符號整數(shù)，因而會直接變?yōu)?，這樣的點多了，就會使得圖像失去原來的性質(zhì)。為了解決以上的問題，我開始想到為所有的像素點加一個偏移量，或者是在計算結束后，計算機體系結構將得到的負數(shù)的值按照一定的規(guī)律映射到0-255，但是都沒有得到十分理想的結果。我之后考慮到，由于我們計算得到的是中心像素點相對于鄰近點的偏移量，又考慮到噪聲相對于鄰近點的像素差距很大，因而，可設定一個閾值，如果計算得到的偏移量超過了該閾值，則認為該點是噪聲點，使用周圍nn-1個點的像素值（去除噪聲點像素值對于均值的影響）的均值替代中心像素點的像素值。如果在閾值范圍內(nèi)，就認為是信號點，不改變該點的像素值