用平均的方法去除噪聲
技術/方法
什麼?平均?你是說濾波?
並不是!這種方法並不使用任何濾波(去噪)算法對圖像進行處理。實際上,這種方法與濾波相反:你可以獲得更爲清晰的圖像!
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:相加之後除以圖像的數量。
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,主函數爲:
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,隨後,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,之後我們載入圖像到 img變量。
下一步,我們分配了三個通道的內存。隨後,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,然後我們定義像素的和,用以存放25幅噪聲圖像的每一個通道的像素和。隨後,我們把每一個通道的像素和除以圖像的數量,然後在把三通道的圖像進行合併,生成最終的圖像。
很簡單?下面試圖像的輸出結果:
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。
假設我們把每一個像素的灰度值相加,之後再除以總的像素值,那麼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,之後在除以總的像素數量,那麼,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爲:
我們把k(實際實驗是25幅)幅圖像相加,然後在除以k。由高斯分佈可知:
因此,通過上述方法,我們最後得的結果即爲f(x,y),即圖像的原始數據。
更多圖像將得到更佳的效果:
翻譯自:http://aishack.in/tutorials/noise-reduction-averaging-theory/