做类型网站,企业网站资料大全,免费建站模板网站,品牌官方网站作者#xff1a;翟天保Steven 版权声明#xff1a;著作权归作者所有#xff0c;商业转载请联系作者获得授权#xff0c;非商业转载请注明出处
实现原理 AMF#xff08;Adaptive Median Filter#xff0c;自适应中值滤波#xff09;是一种用于图像处理和信号处理的滤波算…作者翟天保Steven 版权声明著作权归作者所有商业转载请联系作者获得授权非商业转载请注明出处
实现原理 AMFAdaptive Median Filter自适应中值滤波是一种用于图像处理和信号处理的滤波算法其目的是在保持图像细节的同时去除噪声。它是基于中值滤波的一种改进可以根据局部像素的灰度值特征自适应地调整滤波器的大小和形状。 AMF算法的主要思想是根据像素邻域的特征动态调整滤波器的尺寸和形状以适应不同区域的噪声水平和图像细节。具体步骤如下 参数和初始化 函数接受一个输入图像input和一个整数参数winSize表示滤波器的初始大小。创建一个和输入图像大小相同的输出图像output用于存储滤波结果。变量 R 为窗口半径的最大限制值。 并行遍历处理图像每个像素 使用 OpenMP 实现并行化对图像的每一个像素进行处理。注意需要在设置里打开OpenMP。 窗口处理 对于每个像素(i, j)以其为中心构建一个大小为(2*r1)*(2*r1)的窗口。在窗口边界进行限制防止越界。 窗口数据排序 将窗口内的像素值存储在 datas 向量中并进行排序。 计算中值和最值 计算排序后的数据中的最小值 minValue、最大值 maxValue 和中值 midValue。 判断是否需要扩大窗口 根据中值与最小值、最大值的差值是否超过某个阈值 thresh 来决定是否需要扩大窗口。如果窗口内的中值不在最小值和最大值之间一定范围内则继续扩大窗口直到r大于R。 滤波处理 如果当前像素值与窗口最值的差值大于阈值说明不需要滤波直接将当前像素值赋给输出图像的对应位置。否则将窗口内的中值赋给输出图像的对应位置。 返回结果 返回处理后的输出图像。 AMF算法的优点是能够有效地处理不同区域的噪声和图像细节因为它在滤波器大小和形状上具有自适应性。然而它也有一些缺点比如计算复杂度较高处理速度较慢特别是对于大尺寸的滤波器。 总的来说AMF算法是一种灵活而有效的滤波器特别适用于那些噪声水平不均匀且图像细节丰富的场景尤其是针对椒盐噪声。 功能函数代码 // AMF算法Adaptive Median Filtering
cv::Mat adaptiveMedianFiltering(cv::Mat input, int winSize)
{int row input.rows;int col input.cols;cv::Mat output(row, col, CV_8UC1);int R winSize / 2;// 遍历处理
#pragma omp parallel forfor (int i 0; i row; i){vectorfloat datas;for (int j 0; j col; j){int r 1;while (r R){// 卷积窗口边界限制防止越界int ms ((i - r) 0) ? (i - r) : 0;int me ((i r) (row - 1)) ? (i r) : (row - 1);int ns ((j - r) 0) ? (j - r) : 0;int ne ((j r) (col - 1)) ? (j r) : (col - 1);// 窗口内有效数据排序datas.clear();for (int m ms; m me; m){for (int n ns; n ne; n){datas.push_back(float(input.atuchar(m, n)));}}sort(datas.begin(), datas.end());// 计算数值float minValue datas[0];float maxValue datas[datas.size() - 1];float midValue datas[datas.size() / 2];// 若窗口内中值不为在最值一定范围内则说明当前窗口尺寸足够不需要扩展也可完成有效滤波反之则继续扩大窗口直到最大窗口尺寸float thresh (maxValue - minValue) * 0.02f;if ((midValue - minValue) thresh (maxValue - midValue) thresh){// 若数据本身就不为最值则不需要滤波这也是自适应算法保持高分辨的关键if ((input.atuchar(i, j) - minValue) thresh (maxValue - input.atuchar(i, j)) thresh){output.atuchar(i, j) input.atuchar(i, j);}// 若为最值则说明当前数值大概率是噪声信息进行中值滤波else{output.atuchar(i, j) uchar(midValue);}break;}else{r;}// 如果窗口尺寸达到限制了则直接滤波if (r R){output.atuchar(i, j) uchar(midValue);}}}}return output;
} C测试代码
#include algorithm
#include iostream
#include opencv2/opencv.hppusing namespace std;
using namespace cv;// AMF算法Adaptive Median Filtering
cv::Mat adaptiveMedianFiltering(cv::Mat input, int winSize)
{int row input.rows;int col input.cols;cv::Mat output(row, col, CV_8UC1);int R winSize / 2;// 遍历处理
#pragma omp parallel forfor (int i 0; i row; i){vectorfloat datas;for (int j 0; j col; j){int r 1;while (r R){// 卷积窗口边界限制防止越界int ms ((i - r) 0) ? (i - r) : 0;int me ((i r) (row - 1)) ? (i r) : (row - 1);int ns ((j - r) 0) ? (j - r) : 0;int ne ((j r) (col - 1)) ? (j r) : (col - 1);// 窗口内有效数据排序datas.clear();for (int m ms; m me; m){for (int n ns; n ne; n){datas.push_back(float(input.atuchar(m, n)));}}sort(datas.begin(), datas.end());// 计算数值float minValue datas[0];float maxValue datas[datas.size() - 1];float midValue datas[datas.size() / 2];// 若窗口内中值不为在最值一定范围内则说明当前窗口尺寸足够不需要扩展也可完成有效滤波反之则继续扩大窗口直到最大窗口尺寸float thresh (maxValue - minValue) * 0.02f;if ((midValue - minValue) thresh (maxValue - midValue) thresh){// 若数据本身就不为最值则不需要滤波这也是自适应算法保持高分辨的关键if ((input.atuchar(i, j) - minValue) thresh (maxValue - input.atuchar(i, j)) thresh){output.atuchar(i, j) input.atuchar(i, j);}// 若为最值则说明当前数值大概率是噪声信息进行中值滤波else{output.atuchar(i, j) uchar(midValue);}break;}else{r;}// 如果窗口尺寸达到限制了则直接滤波if (r R){output.atuchar(i, j) uchar(midValue);}}}}return output;
}void main()
{cv::Mat image cv::imread(test.jpg, cv::IMREAD_GRAYSCALE);// 添加随机椒盐噪声int row image.rows;int col image.cols;cv::Mat noise image.clone();for (int i 0; i row; i 10){for (int j 0; j col; j 10){noise.atuchar(i, j) rand() % 255;}}// 传统中值滤波int winSize 15;cv::Mat median;cv::medianBlur(noise, median, winSize);// AMF算法处理cv::Mat resultimage adaptiveMedianFiltering(noise, winSize);// 显示cv::imshow(ori, image);cv::imshow(noise, noise);cv::imshow(AMF, resultimage);cv::waitKey(0);cout end. endl;
} 测试效果 图1 原图 图2 噪声图 图3 传统中值滤波算法效果 图4 AMF算法效果图 如上图所示AMF算法在保留图像细节的同时有效去除了椒盐噪声。 Matlab版本见
Matlab-AMF算法(自适应中值滤波Adaptive Median Filtering)-CSDN博客 如果函数有什么可以改进完善的地方非常欢迎大家指出一同进步何乐而不为呢~ 如果文章帮助到你了可以点个赞让我知道我会很快乐~加油
