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

技術/方法

什么？平均？你是說濾波？

并不是！這種方法并不使用任何濾波（去噪）算法對圖像進行處理。實際上，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，我們假設有一系列同一場景的一些圖像，只不過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場景的圖像，是的，這種你在學校就學過的平均方法：相加之后除以圖像的數量。

準備開始實驗

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。

開始編碼

首先，確保你包含了OpenCV庫中的cv.lib cvaux.lib cxcore.lib highgui.lib文件。

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

現在，主函數為：

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

我們一開始定義了三個數組，用以包含25幅圖像每一個通道。我們現在載入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。我們首先創建一個循環，在循環中我們創建保存圖像的臨時變量，隨后，我們輸入載入圖像的名稱。載入圖像的名稱可以是1.JPG 2.JPG等等，之后我們載入圖像到 img變量。

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

現在，我們在添加如下代碼段：

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);

我們再次分配了三個通道的內存，用以保存平均法去噪的圖像結果。

現在，實現平均去噪的方法：

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通道的像素和。隨后，我們把每一個通道的像素和除以圖像的數量，然后在把三通道的圖像進行合并，生成最終的圖像。

很簡單？下面試圖像的輸出結果：

很多噪聲的原始圖像

?

結果圖像。噪聲都去哪呢？

理論知識

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

?

圖像中的噪聲是隨機的，有高斯隨機噪聲以及其他一些噪聲。如下圖是高斯噪聲。

高斯噪聲圖像

假設我們把每一個像素的灰度值相加，之后再除以總的像素值，那么最終得到的結果將會是0或者近似0的結果

因此，如果我們把多幅不同模式的噪聲圖像沒一個像素相加，之后在除以總的像素數量，那么，最終將使得噪聲消除掉。

數學公式：

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（實際實驗是25幅）幅圖像相加，然后在除以k。由高斯分布可知：

因此，通過上述方法，我們最后得的結果即為f(x,y),即圖像的原始數據。

更多圖像將得到更佳的效果：

原始圖像 兩幅圖像的平均結果 五幅圖像的評價結果 十五幅圖像的評價結果 二十五幅圖像的評價結果

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

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。