基于阈值分解的多级中值滤波-附代码

基于阈值分解的多级中值滤波-附代码
基于阈值分解的多级中值滤波的结构如下所示：

首先对整个图像统计，得到均值m，和标准差δ，并进行阈值的分解，阈值分解函数Ti()为：

从图1中，噪灰度图像首先在（m-kδ）和（m+kδ），两个阈值上分解为2个二值图像。k为参数，适当选择k可以使这2个二值图像反映大部分脉冲噪声所处位置的信息。2幅二值图像经过中值滤波后再分别于滤波之前的二值图像作“异或Xor”运算，其目的是得到已被滤除的脉冲噪声位置。然后再对2幅图做“或or”运算，就可以得到总体脉冲噪声位置分布矩阵。最后在噪声位置处滤波，这样可以在去除噪声的同时尽可能地保留细节。
代码如下：

#include 
#include 
#include
#include 
using namespace cv;
using namespace std;

void YZmedian(Mat& I, Mat& Iout, int n=3, double k=1.6)
{
	cvtColor(I,I,COLOR_BGR2GRAY);//灰度图转换
	Mat temp_m,temp_std;   //定义均值方差矩阵
	meanStdDev(I,temp_m,temp_std);//求均值方差矩阵
	double Im_m=temp_m.at(0,0);//均值
	double Im_std=temp_std.at(0,0);//方差
	
	
	double t1=Im_m-k*Im_std;//阈值1
	double t2=Im_m+k*Im_std;//阈值2

	Mat I1=I.clone();
	Mat I2=I.clone();

	int width=I.cols;
	int height=I.rows;
	for (int i = 0; i < height; i++)
	{     
		uchar* data1 =I1.ptr(i);
	    uchar* data2=I2.ptr(i);
		for (int j = 0; j < width; j++)
		{
			if (data1[j]>=t1)
			{
				data1[j]=1;
			}
			else
			{
				data1[j]=0;
			}
			if (data2[j]>=t2)
			{
				data2[j]=1;
			}
			else
			{
				data2[j]=0;
			}
		}
	}

	Mat I11,I22;
	medianBlur(I1,I11,n);//中值滤波
	medianBlur(I2,I22,n);//中值滤波

	Mat I111,I222;
	bitwise_xor(I1,I11,I111);
	bitwise_xor(I2,I22,I222);

	Mat I3;
	bitwise_or(I111,I222,I3);

	/*扩展边界方便滤波*/
	Mat I4(Size(I3.rows+(n-1),I3.cols+(n-1)),CV_8U,Scalar(0));
	Mat I5(Size(I3.rows+(n-1),I3.cols+(n-1)),CV_8U,Scalar(0));
	I.copyTo(I4(Range((n-1)/2,I4.rows-(n-1)/2),Range((n-1)/2,I4.cols-(n-1)/2)));
	I3.copyTo(I5(Range((n-1)/2,I4.rows-(n-1)/2),Range((n-1)/2,I4.cols-(n-1)/2)));
	
	//在噪声处滤波
	for (int i = 0; i < I4.rows; i++)
	{
		uchar* data1=I4.ptr(i);
		uchar* data2=I5.ptr(i);
		for (int j = 0; j < I4.cols; j++)
		{
			if(data2[j]==1)
			{
				Mat roi=I4(Range(i-(n-1)/2,i+(n-1)/2),Range(j-(n-1)/2,j+(n-1)/2));
				resize(roi,roi,Size(1,n*n));
				Mat index;
				sortIdx(roi,index,SORT_EVERY_COLUMN+SORT_ASCENDING);
				int x=index.at((n*n-1)/2);
				data1[j]=roi.at(x);
			}
		}
	}
	Iout=I4(Range((n-1)/2,I4.rows-(n-1)/2),Range((n-1)/2,I4.cols-(n-1)/2)).clone();	
}




int main()
{  

	Mat I=imread("Nimg.png");//读取原始图片
	Mat Iout;
	Mat Imdian;
	medianBlur(I,Imdian,7);
	YZmedian(I,Iout,7,1.6);
	imshow("原始图像",I);
	imshow("基于阈值分解的多级中值滤波后的图像",Iout);
imshow("传统中值滤波",Imdian);
	
	waitKey(0);
	return 0;
}

结果如下图所示：

代码地址：
matlab代码下载链接