【图像处理】高效的中值滤波(bug 已修复)

之前的bug:

当灰度为255或者0时,出现灰度溢出的bug,导致灰度黑白颠倒,现已修复,并重新将函数改为无返回值类型,原有的带有返回图像的函数不规范,容易忘记释放空间。新的函数再最后面

经测试,我的程序计算速度比OpenCV耗时多多了,,,~~(>_<)~~ ,,真心比不起OpenCV,因为这货用intel 的IPP库了,谁让人家是亲儿子呢,,,,

(1)中值滤波

由于中值滤波是一个非线性滤波器,中值的求取需要排序,传统的中值滤波算法中无非是在排序上做文章,争取做到最优的快速排序,但是本文所实现的方法不同,该方法充分利用了直方图。
从编程的观点看,直方图是一种很有效的数据结构,所占内存空间很少,又能反映出图像中的灰度分布和目标特性等等,且直方图本身就是有序的。基于直方图可以很容易、很高效地得到图像中亮度、对比度、最大亮度、最小亮度及亮度中值。
本文章旨在实现高效的中值滤波(对于这个大众化的图像增强方法没有深究,也不知该方法到底源自哪一片文章,鄙人知识有幸找到了一份老师给的PDF文档,上面介绍了该方法,就抽时间实现了一下,效果和OpenCV里实现的效果是一样的,至于速度,只会快,不会慢)

(2)原理


如上图所示,在进行横向滑动窗口滤波时,窗口中的像素仅仅是丢掉了左侧一列,增加了右侧一列数据,如果丢掉中间重叠的这一部分数据,到下个窗口再重新寻址和读取数据,无疑是计算的沉重负担,所以,该算法的核心思想就是充分利用重叠部分,使用直方图来计算中值,不需要排序算法,快,且高效。

(3)算法流程

假设窗口尺寸为 N × M

  1. 设置门限 th=NM2+1
  2. 将窗口移动到一个新行的开始,建立窗口像素的直方图,通过直方图确定中值 med,记下亮度小于或等于med 的像素数目到 mNum 中
  3. 对于最左列的每个像素,设其灰度为 gl ,执行:(即去掉左侧)

    H[gl]=H[gl]1

     glmed mNum=mNum1

  4. 将窗口右移一列,对于最右列的每个像素,设其灰度为 gr ,执行:(即添上右侧)

    H[gr]=H[gr]+1

     grmed mNum=mNum+1

  5. mNum>th ,则转 6;否则( mNumth ):

    while(mNum<th)

    {med=med+1;mNum=mNum+H[med];}

    7

  6. 重复

    mNum=mNumH[med]

    med=med1

    直到

    mNumth

  7. 如果窗口的右侧不是图像的右边界,则转 3
  8. 若果窗口的底行不是图象的下边界,则转 2

(4)实现

/** * @brief Fast median filter * @param src * @param width * @param height * @param mask_width * @param mask_height * @return address of data after median blur */
unsigned char* mxnMedianBlur(unsigned char* src, int width, int height, int mask_width, int mask_height)
{
    int hist[256];
    int i, j, k, nMin;
    int width1, height1;
    int th = mask_width * mask_height / 2 + 1;
    unsigned char *src1, *dst, *pCurOrg, *pCurObj, *pl, *pr;
    unsigned char med;
    src1 = boundary1(src, width, height, mask_width, mask_height, &width1, &height1);
// cout << "new width = " << width1 << endl;
// cout << "new height = " << height1 << endl;
// write8bitBmp(src1, width1, height1, "extended.bmp");
    if((dst = (unsigned char*)malloc(width * height * sizeof(unsigned char))) == NULL)
    {
        printf("No space for destination data distributed !\n");
        return NULL;
    }
    memset(dst, 0, width * height * sizeof(unsigned char));
    for(i = 0; i < height; i++)
    {
        nMin = 0;
        pCurObj = dst + i * width;
        pCurOrg = src1 + (i + 1) * width1;
        getHist_local(pCurOrg, hist, width1, mask_width, mask_height);
        med = getMedianGry(hist, mask_width * mask_height);
        for(j = 0; j <= med; j++)
            nMin += hist[j];
        (*pCurObj++) = med;
        for(k = 0; k < width - 1; k++, pCurOrg++, pCurObj++)
        {
            for(j = 0, pl = pCurOrg, pr = pCurOrg + mask_width; j < mask_height; j++, pl += width1, pr += width1)
            {
                if(*pl <= med ) nMin -= 1;
                if(*pr <= med ) nMin += 1;
                hist[*pl] -= 1;
                hist[*pr] += 1;
            }
// pCurObj++;
            if(nMin > th)
            {
                while(nMin > th)
                {
                    nMin -= hist[med];
                    med--;
                }
                *pCurObj = med;
                continue;
            }
            else
            {
                while(nMin < th)
                {
                    med++;
                    nMin += hist[med];
                }
                *pCurObj = med;
                continue;
            }
        }
    }
    free(src1);
    return dst;
}

其中boundary1(src, width, height, mask_width, mask_height, &width1, &height1);是我自己实现的根据滑动窗口尺寸对原图像的边界进行扩展的函数,扩展方式采用复制最临近的像素的方法进行,此处就不贴出来了。
getHist_local(pCurOrg, hist, width1, mask_width, mask_height)是实现的局部直方图函数,pCurOrg为要统计直方图的区域的左上角像素地址,width1是原图像的行步长。

/** * @brief Get median grayscale * @param histogram * @param imgSize * @return medianGray */
unsigned char getMedianGry(int *histogram, int imgSize)
{
    int sum;
    unsigned char medGry;
    for(sum = 0, medGry = 0; medGry < 256; medGry++)
    {
        sum += histogram[medGry];
        if(sum * 2 > imgSize)break;
    }
    return medGry;
}

该函数实现通过直方图寻找中值的功能,在上一个程序中有调用。

(5)结果

原图像(女神图)

中值滤波后的图像(只抽取并处理了灰度图)

处理结果与photoshop与OpenCV以及Matlab中基本上都是一致的。

改进和修复bug的版本

/** * @brief Fast median filter * @param src * @param width * @param height * @param mask_width * @param mask_height */
void medianBlur(unsigned char* src, int width, int height, int mask_width, int mask_height)
{
    int hist[256];
    int i, j, k, nMin;
    int width1 = width + mask_width - 1;
    int height1 = height + mask_height - 1;
    int th = mask_width * mask_height / 2 + 1;
    unsigned char *pCurOrg, *pCurObj, *pl, *pr;
    unsigned char med;
    unsigned char *src1 = Malloc(unsigned char, width1 * height1);
    //获得带边界扩展的图像副本
    boundaryExtention(src, src1, width, height, mask_width, mask_height, width1, height1);
    //清空原图像数据
    memset(src, 0, width * height * sizeof(unsigned char));
    for(i = 0; i < height; i++)
    {
        nMin = 0;
        pCurObj = src + i * width;
        pCurOrg = src1 + i * width1;
        getHistLocal(pCurOrg, hist, width1, mask_width, mask_height);
        med = getMedianGry(hist, mask_width * mask_height);
        for(j = 0; j <= med; j++)
            nMin += hist[j];
        (*pCurObj++) = med;
        for(k = 0; k < width - 1; k++, pCurOrg++, pCurObj++)
        {
            for(j = 0, pl = pCurOrg, pr = pCurOrg + mask_width; j < mask_height; j++, pl += width1, pr += width1)
            {
                if(*pl <= med ) nMin -= 1;
                if(*pr <= med ) nMin += 1;
                hist[*pl] -= 1;
                hist[*pr] += 1;
            }
            while(nMin > th)
            {
                if(med==0)
                    break;
                else
                {
                    nMin -= hist[med];
                    med--;
                }
            }
            while(nMin < th)
            {
                if(med==255)
                    break;
                else
                {
                    med++;
                    nMin += hist[med];
                }
            }
            *pCurObj = med;
        }
    }
    free(src1);
    return;
}

你可能感兴趣的:(图像处理,直方图,中值滤波)