图像去噪

均值滤波

均值滤波(Mean Filtering)，也称为平均滤波，是一种常用的图像处理方法，用于去除图像中的噪声特别是去除椒盐噪声。均值滤波的基本思想是通过一个卷积窗口(或称为滤波器)对图像中的每个像素点进行处理，用该像素周围邻域像素的平均值替换该像素的值，从而达到平滑图像的效果。

原理:

假设我们使用一个大小为3x3的窗口进行均值滤波。对于图像中的每个像素，其新的值是该像素周围 3x3窗口中所有像素值的平均值。

具体步骤:

选定一个滤波窗口(例如3x3，即一个包含9个像素的窗口)
将窗口滑动到图像的每一个位置，对于每个位置，计算窗口内所有像素值的平均值。
替换该位置像素的值为计算得到的平均值。

计算窗口中所有像素的平均值:

因此，像素250的新值为177 (经过取整处理) 。结果: 经过均值滤波处理后，图像中每个像素都会被其邻域像素的平均值所替代，从而图像看起来更加平滑，噪声减少。

java

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Size;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

/**
 * 公众号：干货食堂
 */
public class Test {

    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        Mat src=Imgcodecs.imread("C:\\Users\\Think\\Desktop\\TestCV\\fish.png");
        //创建输出图像
        Mat dst = new Mat();
        //使用3x3的均值滤波器进行滤波
        Imgproc.blur(src, dst, new Size(3,3));
        HighGui.imshow("before Image", src);
        HighGui.waitKey(0);
        HighGui.imshow("after Image", dst);
        HighGui.waitKey(0);
        System.exit(0);
    }
}

高斯滤波

高斯滤波(Gaussian Blur)是一种基于高斯函数的滤波方法，用于图像的平滑处理，常用于去噪和边缘检测的预处理。与均值滤波不同，高斯滤波对邻域内的像素赋予不同的权重，距离中心越近的像素权重越高，从而更自然地平滑图像并保留更多的图像细节。

java

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Size;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

/**
 * 公众号：干货食堂
 */
public class Test {

    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        Mat src=Imgcodecs.imread("C:\\Users\\Think\\Desktop\\TestCV\\fish.png");
        ///创建输出图像
        Mat dst = new Mat();
        //使用5x5的高斯滤波器，标准差为1.5
        Imgproc.GaussianBlur(src, dst, new Size(5,5), 1.5);
        HighGui.imshow("before Image", src);
        HighGui.imshow("after Image", dst);
        HighGui.waitKey(0);
        HighGui.destroyAllWindows();
    }
}

中值滤波

中值滤波(Median Filtering) 是一种非线性滤波方法，常用于去除椒盐噪声 (Salt-and-Pepper Noise)，同时能够有效保留图像中的边缘信息。与均值滤波和高斯滤波不同，中值滤波的结果不是像素值的平均值，而是邻域内像素的中值。

中值滤波的原理

定义邻域窗口:选定一个滤波窗口(例如3x3或5x5)，覆盖目标像素及其邻域。
排序邻域像素值:将窗口内所有像素值从小到大排序。
取中值:选择排序后的中间值作为目标像素的新值。

中值滤波的优点

去噪能力强:对椒盐噪声有良好的去除效果。
保边性能好:边缘像素不会被模糊化，因为中值操作不会产生新的像素值。

java

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

/**
 * 公众号：干货食堂
 */
public class Test {

    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        Mat src=Imgcodecs.imread("C:\\Users\\Think\\Desktop\\TestCV\\fish.png");
        ///创建输出图像
        Mat dst = new Mat();
        //应用中值滤波，滤波窗口大小为3x3
        Imgproc.medianBlur(src, dst, 3);
        HighGui.imshow("before Image", src);
        HighGui.imshow("after Image", dst);
        HighGui.waitKey(0);
        HighGui.destroyAllWindows();
    }
}

图像去噪 ​

均值滤波 ​

高斯滤波 ​

中值滤波 ​

图像去噪

均值滤波

高斯滤波

中值滤波