工程代碼下載:http://download.csdn.net/detail/jsgaobiao/9520777
Ø 【實驗目的】
使用Android系統進行圖像增強實驗
• 掌握平滑濾波器和銳化濾波器的使用
• 掌握圖像中值濾波增強的使用
• 掌握頻域增強的基本原理
Ø 【實驗器材】
Android Studio 1.5.1
Xiaomi Pad (7.9’’): Android 4.4.4 , 1536*2048 xhdpi
Ø 【實驗原理】
本次實驗一共實現了3種噪聲的選擇和3種濾波方式的選擇。
其中,可選的噪聲種類分別是:
1、 高斯噪聲:
一種具有正態分佈概率密度的噪聲,它的均值爲0;程序實現時,可以直接調用自帶的函數random.nextGaussian()生成隨機數,進而計算高斯噪聲。需要注意[0,255]的數據範圍。
2、 椒鹽噪聲:
以一定的概率在圖像上隨機“撒”上全黑或全白的像素點。實現時可以通過生成隨機值p=Math.random(),然後根據概率p確定每個像素點是否被0或255代替。
3、 Speckle噪聲:
即散斑噪聲, ,其中a是介於 0.65 和 1.35 之間的隨機數。
增強圖像使用的三種濾波器分別是:
1. 線性平滑濾波器
線性平滑濾波器也稱爲均值濾波器,這種濾波器的所有係數都是正數,對3×3的模板來說,最簡單的是取所有係數爲1,爲了保持輸出圖像任然在原來圖像的灰度值範圍內,模板與象素鄰域的乘積都要除以9。
2. 中值濾波器
中值濾波器其濾波是把鄰域中的圖像的象素按灰度級進行排序,然後選擇改組的中間值作爲輸出象素值。其中像素鄰域是以當前像素爲中心點的3×3的方塊區域。
3. 低通濾波器
圖像的能量大部分集中在幅度譜的低頻和中頻部分,而圖像的邊緣和噪聲對應於高頻部分。因此能降低高頻成分幅度的濾波器就能減弱噪聲的影響。由卷積定理,在頻域實現低通濾波的數學表達式:
(1) 理想低通濾波器:
D(u,v)=(u2+v2)2是從點(u,v)到頻率平面的原點的距離;D0 爲理想低通濾波器的截止頻率。
(2) 巴特沃斯低通濾波器:
在程序實現時,按照先行後列的順序求得原圖像的FFT(快速傅里葉變換),根據理想低通濾波器中的D(u,v)作爲權值進行濾波,濾波後得到的結果再做傅里葉逆變換得到新圖像。
運行結果如下圖所示:
Ø 【小結】
我通過本次實驗,瞭解了圖像增強、噪聲、濾波的相關算法和Android處理圖像的數據結構的使用方法,熟悉了安卓系統中下拉選擇菜單的使用。增加了自己在圖像處理方面的編程經驗。