中值濾波是一種非線性數(shù)�濾波�技�(shù),經(jīng)常用于去除圖像或者其它信號中的噪�。這個設(shè)�(jì)思想就是檢查輸入信號中的采樣并判斷它是否代表了信�,使用奇�(shù)個采樣組成的觀察窗�(shí)�(xiàn)這項(xiàng)功能。觀察窗口中的數(shù)值�(jìn)行排序,位于觀察窗中間的中值作為輸�。然�,丟棄最早的�,取得新的采�,重�(fù)上面的計(jì)算過��
在圖像處理中,在�(jìn)行如邊緣檢測這樣的�(jìn)一步處理之�,通常需要首先�(jìn)行一定程度的降噪。中值濾波是圖像處理中的一個常用步�,它對于斑點(diǎn)噪聲(specklenoise)和椒鹽噪聲(alt-and-peppernoise)來說尤其有�。保存邊緣的特性使它在不希望出�(xiàn)邊緣模糊的場合也很有��
為了演示中值濾波器的工作過�,我們給下面的數(shù)組加上觀察窗3,重�(fù)邊界的數(shù)值:
x=[28063]�
所�,中值濾波輸出信號y將是�
y[1]=Median[2280]=2�
y[2]=Median[2806]=Median[2680]=6�
y[3]=Median[8063]=Median[3680]=6�
y[4]=Median[633]=Median[336]=3�
于是y=[2663],其中y是x的中值濾波輸��
中值濾波器的主要思想是通過入口來遍歷信號入口,用鄰居入口的中值替換每個入�。鄰居的模式被稱為“窗口�,它通過入口滑動,覆蓋整個信號。對于一維信�,最明顯的窗口只是前后幾�(xiàng),�2D(或更高維)信號(如圖像)則可能有更�(fù)雜的窗口模式(如“盒子”或“十字”模式)。請注意,如果窗口中有奇�(shù)個條�,則中位�(shù)很容易定義:在窗口中的所有條目都按數(shù)字排序之后,這只是中間�。對于偶�(shù)的條�,有不止一個可能的中位�(shù)�
請注�,在上面的例子中,因?yàn)閭€值之前沒有條�,所以個值和一個值一樣重�(fù),以獲得足夠的條目來填充窗口。這是在信號邊界處理丟失的窗口條目的一種方�,但是還有其他的方案具有不同的屬�,在特定情況下可能是�(yōu)選的�
避免處理邊界,之后有或沒有裁剪信號或圖像邊界�
從信號中的其他地方獲取條�。以圖像為例,可以選擇來自遠(yuǎn)水平或垂直邊界的條目�
縮小邊界附近的窗�,使每個窗口都滿了
通常,到目前為止,大部分的計(jì)算工作和時間花費(fèi)在計(jì)算每個窗口的中值上。由于濾波器必須處理信號中的每個條�,對于像圖像這樣的大信號,這個中值計(jì)算的效率是確定算法運(yùn)行速度的關(guān)鍵因素。上面描述的天真的實(shí)�(xiàn)將窗口中的每個條目�(jìn)行排序以找到中間�;然而,由于只需要列表中的中間�,所以選擇算法可以更有效。此�,某些類型的信號(通常是圖像的情況)使用整�(shù)表示:在這些情況�,直方圖�?yàn)閺拇翱诘酱翱诟轮狈綀D是簡單的,并且找到直方圖的中值并不特別繁�,所以中值可以更有效得多�
中值濾波是一種平滑技�(shù),與線性高斯濾波一樣。所有的平滑技�(shù)都能有效去除信號光滑區(qū)域或平滑區(qū)域的噪聲,但對邊緣產(chǎn)生不利影響。通常,在減少信號中的噪聲的同時,保持邊緣是重要的。例�,邊緣對于圖像的視覺外觀是至�(guān)重要的。對于(高斯)噪聲的小至中等水平,中值濾波器在消除噪聲方面明顯好于高斯模�,同時為給定的固定窗口大小保留邊緣。然�,對于高噪聲,其性能并不比高斯模糊好,而對于散斑噪聲和椒鹽噪聲(沖動噪音),這是特別有效�。因此,中值濾波在�(shù)字圖像處理中被廣泛使��
在GIMP2.8.2中操作如下:
濾鏡->增強(qiáng)->去除斑點(diǎn)�
不要勾選適應(yīng)和遞�,設(shè)置黑色水平為-1,白色水平為256。根�(jù)需要調(diào)節(jié)半徑。半徑越大,�(xì)節(jié)越少�
維庫電子通,電子知識,一查百通!
已收錄詞�153979�