???????????????????????????????????????? 用平均的方法去除噪聲

技術(shù)/方法

什么？平均？你是說(shuō)濾波？

并不是！這種方法并不使用任何濾波（去噪）算法對(duì)圖像進(jìn)行處理。實(shí)際上，這種方法與濾波相反：你可以獲得更為清晰的圖像！

在平均法中，我們假設(shè)有一系列同一場(chǎng)景的一些圖像，只不過(guò)每一幅圖像具有不同的“噪聲模式”。

一旦我們擁有多幅同一場(chǎng)場(chǎng)景的圖像，是的，這種你在學(xué)校就學(xué)過(guò)的平均方法：相加之后除以圖像的數(shù)量。

準(zhǔn)備開(kāi)始實(shí)驗(yàn)

首先，我們必須獲取到多幅圖像，每一幅圖像中都有一些噪聲。我們使用Photoshop以及自動(dòng)選擇模式生成25幅圖像，每一幅圖像中添加8%的高斯噪聲。

開(kāi)始編碼

首先，確保你包含了OpenCV庫(kù)中的cv.lib cvaux.lib cxcore.lib highgui.lib文件。

#include <cv.h> #include <highgui.h>

現(xiàn)在，主函數(shù)為：

int main() {IplImage* imgRed[25];IplImage* imgGreen[25];IplImage* imgBlue[25];

我們一開(kāi)始定義了三個(gè)數(shù)組，用以包含25幅圖像每一個(gè)通道。我們現(xiàn)在載入25幅圖像。

for(int i=0;i<25;i++){IplImage* img;char filename[150];sprintf(filename, "%d.jpg", (i+1));img = cvLoadImage(filename);imgRed[i] = cvCreateImage(cvGetSize(img), 8, 1);imgGreen[i] = cvCreateImage(cvGetSize(img), 8, 1);imgBlue[i] = cvCreateImage(cvGetSize(img), 8, 1);cvSplit(img, imgRed[i], imgGreen[i], imgBlue[i], NULL);cvReleaseImage(&img);}

讓我們一行一行查看上述代碼。我們首先創(chuàng)建一個(gè)循環(huán)，在循環(huán)中我們創(chuàng)建保存圖像的臨時(shí)變量，隨后，我們輸入載入圖像的名稱(chēng)。載入圖像的名稱(chēng)可以是1.JPG 2.JPG等等，之后我們載入圖像到 img變量。

下一步，我們分配了三個(gè)通道的內(nèi)存。隨后，我們把載入的圖像分離成三個(gè)通道的圖像，分別保存在剛剛分配的三個(gè)通道內(nèi)存中。

現(xiàn)在，我們?cè)谔砑尤缦麓a段：

CvSize imgSize = cvGetSize(imgRed[0]);IplImage* imgResultRed = cvCreateImage(imgSize, 8, 1);IplImage* imgResultGreen = cvCreateImage(imgSize, 8, 1);IplImage* imgResultBlue = cvCreateImage(imgSize, 8, 1);IplImage* imgResult = cvCreateImage(imgSize, 8, 3);

我們?cè)俅畏峙淞巳齻€(gè)通道的內(nèi)存，用以保存平均法去噪的圖像結(jié)果。

現(xiàn)在，實(shí)現(xiàn)平均去噪的方法：

for(int y=0;y<imgSize.height;y++){for(int x=0;x<imgSize.width;x++){int theSumRed=0;int theSumGreen=0;int theSumBlue=0;for(int i=0;i<25;i++){theSumRed+=cvGetReal2D(imgRed[i], y, x);theSumGreen+=cvGetReal2D(imgGreen[i], y, x);theSumBlue+=cvGetReal2D(imgBlue[i], y, x);}theSumRed = (float)theSumRed/25.0f;theSumGreen = (float)theSumGreen/25.0f;theSumBlue = (float)theSumBlue/25.0f;cvSetReal2D(imgResultRed, y, x, theSumRed);cvSetReal2D(imgResultGreen, y, x, theSumGreen);cvSetReal2D(imgResultBlue, y, x, theSumBlue);}}

我們獲取每一幅圖像的每一個(gè)像素，然后我們定義像素的和，用以存放25幅噪聲圖像的每一個(gè)通道的像素和。隨后，我們把每一個(gè)通道的像素和除以圖像的數(shù)量，然后在把三通道的圖像進(jìn)行合并，生成最終的圖像。

很簡(jiǎn)單？下面試圖像的輸出結(jié)果：

很多噪聲的原始圖像

?

結(jié)果圖像。噪聲都去哪呢？

理論知識(shí)

很奇妙是吧！？這僅僅使用了25幅圖像的平均結(jié)果，如果圖像越多，去噪效果越好。

?

圖像中的噪聲是隨機(jī)的，有高斯隨機(jī)噪聲以及其他一些噪聲。如下圖是高斯噪聲。

高斯噪聲圖像

假設(shè)我們把每一個(gè)像素的灰度值相加，之后再除以總的像素值，那么最終得到的結(jié)果將會(huì)是0或者近似0的結(jié)果

因此，如果我們把多幅不同模式的噪聲圖像沒(méi)一個(gè)像素相加，之后在除以總的像素?cái)?shù)量，那么，最終將使得噪聲消除掉。

數(shù)學(xué)公式：

我們用gi代表25幅圖像，因此，gi就是原始圖像和噪聲圖像的和。即：

我們使用的平均方法可以表示為：

我們把k（實(shí)際實(shí)驗(yàn)是25幅）幅圖像相加，然后在除以k。由高斯分布可知：

因此，通過(guò)上述方法，我們最后得的結(jié)果即為f(x,y),即圖像的原始數(shù)據(jù)。

更多圖像將得到更佳的效果：

原始圖像 兩幅圖像的平均結(jié)果 五幅圖像的評(píng)價(jià)結(jié)果 十五幅圖像的評(píng)價(jià)結(jié)果 二十五幅圖像的評(píng)價(jià)結(jié)果

翻譯自：http://aishack.in/tutorials/noise-reduction-averaging-theory/

總結(jié)

以上是生活随笔為你收集整理的用平均的方法去除噪声的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。