技术标签: 图像基础算法处理
低通滤波不能像中值滤波那样很好的滤除冲激噪声。因为低通滤波的最终结果混合了图像信号无关的噪声和信号本身。相反,中值滤波能够在保护图像边缘不受损失的情况下,滤除与图像信号无关的噪声。但是当噪声不完全和图像信号无关,比如被混合了图像本身信号和一定噪声的加性噪声或乘性噪声污染的图像,我们该如何消除此种噪声呢?或许需要构造一种更加智能的滤波。
自适应滤波的提出就是为了解决上述问题。自适应滤波利用图像局部特性和结构自适应选择合适的方法滤除噪声。根据图像局部邻域统计信息自适应滤波的时候,如果我们知道被处理图像的先验知识将更高效的滤除噪声。比如图像的噪声统计指标-噪声方差。
自适应滤波被广泛应用于受斑点噪声污染的图像,比如超声波检查中所拍摄的图像和合成孔径雷达所获取的图像。斑点噪声的模型一般用如下公式表示:
为受噪声污染的图像, 为给定标准差,均值为0的高斯噪声。由公式可知,斑点噪声取决于输入信号的强度。斑点噪声由于影响了图像的对比图和空间分辨率,阻碍了对图像结果的解析。如下图分别是中值滤波,MATLAB工具箱中维纳滤波以及自适应滤波的实际效果图:
绝大部分自适应滤波利用图像邻域局部均值、局部方差等图像局部统计信息自适应调整滤波强度。局部均值,即邻域内所有像素求其平均值;局部方差分两步计算可得到:第一步计算邻域内像素平方和均值;第二步,从第一步中的结果减去邻域像素平均值的平方。经过这两步就可以得到邻域内像素的方差。具体推导步骤可参看之前的博客《图像比较之模板匹配》。
其中,为待处理图像,为邻域大小。为邻域均值,为邻域方差。
最小均方误差滤波一般用来滤除加性白噪声和斑点噪声。我们假设待处理图像为,邻域大小为,图像中噪声的方差为,局部的均值为,局部方差为。则最小均方误差滤波可以表示为:
其中噪声的方差我们可以对邻域内所有像素所求的方差的平均值进行估算。这种方法只适合针对加性噪声,并不适合乘性噪。
我们可以从上述最小均方误差数学表达式可知:
小均方误差滤波的保边效果,主要有由性质1决定。性质1决定了最小均方误差滤波能够保留图像绝大部分分边缘信息,尽管边缘部分的噪声不能消除。该滤波的伪代码可表示为:
上图是受斑点噪声污染图像,经过3*3邻域中值滤波和最小均方误差滤波的结果对比。可以看到,最小均方误差滤波比中值滤波稍好,滤除噪声的同时保留了图像清晰度。从图像峰值信噪比可知,最小均方误差滤波比中值滤波提高了1/3db左右。
最小均方误差滤波适合处理斑点噪声污染的图像,对其他噪声污染的图像并不合适。下图是盐椒噪声污染的图像经过中值滤波和最小均方误差滤波的结果对比。此种情况下,中值滤波效果要好于最小均方误差滤波效果。
这是一个定点优化的版本。其中的定点优化方面有几处可以学习。
其具体方法类似于下图所示操作:
即Q15格式浮点数定点化之后的牛顿-拉夫逊方法迭代关系式用C语言表示为:
当时,或跳出循环时认为找到x的倒数。对于上述最小均方误差滤波定点格式化代码实现中,只需要经过六次就可以找到其对应的倒数。这个应该和构建牛顿-拉夫逊方法初始值的查找表有关。为什么如此构建初始值的查找表不太明白。
参考资料:Embedded Image Processing on the TMS320C6000 dsp
文章浏览阅读2.1k次。基于百度智能云平台的情感倾向计算_百度智能云算法原理在哪找
文章浏览阅读273次。LoRa无线模块作为近年来最火热的低功耗远距离的无线模块,在市场上是非常受欢迎的。合理规范安装使用是LoRa无线模块可以长期稳定工作的重要因素之一,同时也可以避免产生损坏,减少维护和项目运维成本。那么LoRa模块在使用安装过程中,要注意什么,下面就来简单介绍一下。_lora模块没有天线头能用吗
文章浏览阅读4.8k次,点赞2次,收藏6次。很有用但是不不知道怎么说,写个例子,总之方便多了,并且容易管理,重复利用强1、自定一个类,实现 javax.servlet.jsp.tagext.Tag;(PageTag.java)2、建立一个tld文件(myfTag.tld)3、建立一个freemaker文件*.ftl(page.ftl)4、建立jsp页面,导入标签(%@taglib prefix="myf" uri="/m_public class goodsgallytag extends basefreemarkertag这是什么写法
文章浏览阅读6次。所需工具 : cmake for windows 和 git for windows原理:protobuf 是google的一个开源项目,其源代码在github上可以下载到,并且源码都采用cmake来构建,所以我们可以把源码下载到本地,然后了利用cmake构建本地工程,然后编译.步骤一:下载源码 复制以下代码,保存到download_protobuf_source.bat 文件中...
文章浏览阅读1.6k次,点赞2次,收藏13次。系列文章目录(一)ILRuntime基础使用(二)Addressable基础使用目录系列文章目录简介流程DLL 转换代码DLL 加载代码简介把热更项目的 DLL 作为 addressable 的资源来实现热更新流程资源部分(1)addressable 是不支持 dll 的,所以需要把 dll 文件加工成 addressable 支持的格式(2)直接 File.ReadAllBytes 读取成 bytes 然后 File.WriteAllBytes 保存(3)保存文件的后缀为 .b_unity dll 和 addresable 一起使用
文章浏览阅读154次。g2o optimizeAre you looking to add Google Optimize on your WordPress site? 您是否要在WordPress网站上添加Google Optimize? Google Optimize is a free tool by Google that helps website owners optimize their site..._google optimize
文章浏览阅读3.3k次,点赞2次,收藏3次。在浏览器地址栏输入javascript:alert (document. cookie)会话(Session) 跟踪是Web程序中常用的技术,用来跟踪用户的整个会话。常用的会话跟踪技术是Cookie与Session。Cookie通过在客户端记录信息确定用户 身份,Session通过在服务器端记录信息确定用户身份。本章将系统地讲述Cookie与Session机制,并比较说明什么时候不能用Cook_session和cookie原理
文章浏览阅读2.0k次。前言需要一个可以编辑代码展示的富文本编辑器,对比其他的富文本编辑器,最后选择了wangEditor。原因:小巧且能满足我的需求1.创建编辑器<div class="layui-form-item layui-form-text"> <label class="layui-form-label">文章内容<em>*</em></label> <div class="layui-input-block"&_wangeditor 怎么定义代码类型
文章浏览阅读3.1k次。Linux备份系统镜像并对镜像中LVM分区文件的修改_dd 备份lvm
文章浏览阅读201次。 tcpdump是一个网络抓包工具,用于捕获和分析网络数据包。它可以在 Unix/Linux 系统上通过命令行进行使用。tcpdump能够截获网络传输过程中的数据包,并将这些数据包的内容以及相关的信息显示出来,方便网络管理员和分析师进行网络故障排查、网络性能分析、网络安全监控等任务。_tcpdump使用方法
文章浏览阅读2.3k次。说明:本文中使用的例子均在下面的数据库表tt2下执行:一、concat()函数1、功能:将多个字符串连接成一个字符串。2、语法:concat(str1, str2,...)返回结果为连接参数产生的字符串,如果有任何一个参数为null,则返回值为null。3、举例:例1:select concat (id, name, score) as info from tt2;中间有一行为null是因为tt2..._mysql concat将查询到的list拼接
文章浏览阅读1.1w次,点赞2次,收藏20次。1.修改router中index.js文件中每个路由加上meta:{ title: ‘首页’}const router = new Router({ mode: '', routes: [ { path: '/', name: '', component: , meta:{ // title: '首页'