利用图像加法消除高斯噪声资料.docx
《利用图像加法消除高斯噪声资料.docx》由会员分享，可在线阅读，更多相关《利用图像加法消除高斯噪声资料.docx（15页珍藏版）》请在冰豆网上搜索。
利用图像加法消除高斯噪声资料
图像处理-图像加法应用
第一章、图像加法的应用
图像的加法可用于平均以减少和去除图像采集中混入的噪声，在采集中实际图像的时候，由于各种不同的原因，常会有一些干扰或噪声混入到最后采集的图像中。
从这个意义上来说，实际采集到的图像
可看做是由原始场景图像
和噪声图像叠加而成的，即
第二章、算法思想
如果在图像个点的噪声是互不相关的，且噪声具有零均值的统计特性，则可以通过一系列的采集图像{g（x,y）}相加来消除噪声。
设M个图像相加再求平均值得到的一幅新图像，即
那么可以证明新的图像的期望值为
E
如果考虑新图像和噪声图像各自的均方差的关系，则
可见随着平均图像数量M的增加，噪声在每个像素的位置（x,y）的影响越来越小
第三章、实验
1.高斯噪声
U1和U2是来自（0,1）的等概率的样本
Z1和Z2即是均值为0高斯噪声的函数
C++函数实现
#include
#include
#include
doublegenerateGaussianNoise（doublemu,doublesigma）
{
constdoubleepsilon=std:
:
numeric_limits:
:
min（）;
constdoubletwo_pi=2.0*3.14159265358979323846;
staticdoublez0,z1;
staticboolgenerate;
generate=!
generate;
if（!
generate）
returnz1*sigma+mu;
doubleu1,u2;
do
{
u1=rand（）*（1.0/RAND_MAX）;
u2=rand（）*（1.0/RAND_MAX）;
}
while（u1<=epsilon）;
z0=sqrt（-2.0*log（u1））*cos（two_pi*u2）;
z1=sqrt（-2.0*log（u1））*sin（two_pi*u2）;
returnz0*sigma+mu;
}
注：
以上均来及维基百科
https:
//en.wikipedia.org/wiki/Box%E2%80%93Muller_transform
2.代码实现
环境:
visualstudio2013,OpenCV3.0,Windows7
原理及步骤：
1）通过高斯噪声函数得到噪声值
2）通过计算的噪声值利用OpenCV库对图像进行加噪处理
3）保存加噪图片
4）读取获得的噪声图片模拟采样图片
5）根据不同的图片数量叠加取平均值获得结果
源代码见附录或者查看Github
3.实验结果
1）原始图片
原始图片
通过程序进行高斯加噪声-1
噪声图片-1
噪声图片-2
噪声图片-3
输入命令进行加噪和降噪
程序命令截图
实验结果截图
4.实验结果分析
通过设置不同的图片值的大小得到的结果
M=5
明显可以看出与实际图像差距还是很大，
M=10
比起M=5时有明显的改善,但不是很理想
M=30
能明显的看出图片的噪点有明显下降
M=50，
M=100
从上述结果可以看出，图像的加法能够消除噪声，随着M（样本总数）的增大减噪效果越来越明显。
但是发现降噪过后的图片明显呈现较原图更暗的颜色，分析代码发现，可能是加噪的密度过高，修改代码后
加噪图片，密度比刚刚的要小一些
还原后的图片
还原后的图片与原图可以明显看出还原的更高了，所以还可以得出结论，噪点的密度可能会影响图片与原图的亮度比。
第四章、实验总结
通过这次图像算术运算的应用试验，掌握了基本的实验环境搭建。
深刻理解了图像加法用来消除噪声的原理，以及编码的实现。
虽然没有对减乘除等算法进行编码实验，但也能对其中的算法有理解和领悟。
通过次的实验能不仅收获更多的知识，而且还体会到了算法的精妙和算法的实际应用。
附录：
//ImageNoise.cpp:
定义控制台应用程序的入口点。
//
#include"stdafx.h"
#include
#include
#include
#include
#include
#include
#include
#include
usingnamespacecv;
usingnamespacestd;
/*
产生高斯噪声的函数，引自维基百科
*/
#defineTWO_PI6.2831853071795864769252866
doublegenerateGaussianNoise（）
{
staticboolhasSpare=false;
staticdoublerand1,rand2;
if（hasSpare）
{
hasSpare=false;
returnsqrt（rand1）*sin（rand2）;
}
hasSpare=true;
rand1=rand（）/（（double）RAND_MAX）;
if（rand1<1e-100）rand1=1e-100;
rand1=-2*log（rand1）;
rand2=（rand（）/（（double）RAND_MAX））*TWO_PI;
returnsqrt（rand1）*cos（rand2）;
}
voidaddNoise（Mat&picture）{
intchannels=picture.channels（）;
intRows=picture.rows;
intCols=picture.cols*channels;
if（picture.isContinuous（））{
Cols*=Rows;
Rows=1;
}
inti,j;
uchar*p;//获得picture的行的指针
for（i=0;i{
p=picture.ptr（i）;//赋值为当前行指针
for（j=0;j{
if（j%5==0）
{
doubleval=p[j]+generateGaussianNoise（）*128;
if（val<0）
val=0;
if（val>255）
val=255;
p[j]=（uchar）val;
}
}
}
}
MateliminateNoise（Mat*mypics,intsize）{
//获取第一个文件
Matone=mypics[0];
Matout=one.clone（）;
//获得文件信息
intchannels=one.channels（）;
intRows=one.rows;
intCols=one.cols*channels;
if（one.isContinuous（））{
Cols*=Rows;
Rows=1;
}
inti,j;
//uchar*p;//获得picture的行的指针
uchar**p=newuchar*[10];
uchar*out_p;
for（i=0;i{
//输出文件的行指针
out_p=out.ptr（i）;
for（size_tz=0;z//赋值为当前行指针
p[z]=mypics[z].ptr（i）;
for（j=0;j{
doubleval=0;
//累加每张图片每个像素点的值
for（size_tz=0;zval+=floor（p[z][j]）;
//cout<//除以总数得到平均值
out_p[j]=（uchar）（val/size）;
}
}
returnout;
}
voidManyImages（vectorImages,Mat&dst,intimgRows）
{
intNum=Images.size（）;//得到Vector容器中图片个数
//设定包含这些图片的窗口大小
MatWindow（300*（（Num-1）/imgRows+1）,300*imgRows,CV_8UC3,Scalar（0,0,0））;
MatStd_Image;//存放标准大小的图片
MatimageROI;//图片放置区域
SizeStd_Size=Size（300,300）;//每个图片显示大小300*300
intx_Begin=0;
inty_Begin=0;
for（inti=0;i{
x_Begin=（i%imgRows）*Std_Size.width;//每张图片起始坐标
y_Begin=（i/imgRows）*Std_Size.height;
resize（Images[i],Std_Image,Std_Size,0,0,INTER_LINEAR）;//将图像设为标准大小
//将其贴在Window上
imageROI=Window（Rect（x_Begin,y_Begin,Std_Size.width,Std_Size.height））;
Std_Image.copyTo（imageROI）;
}
dst=Window;
}
int_tmain（intargc,_TCHAR*argv[]）
{
//stringname="image.jpg";
//intImageSize=30;
intImageSize=atoi（argv[2]）;
stringname=argv[1];
Matpic=imread（name）;
//imshow（"原始图片",pic）;
//waitKey（）;
//根据数量生成图片
stringnewname;
for（size_ti=0;i{
MatnewImage=pic.clone（）;
addNoise（newImage）;
ostringstreamss;
ss<<"noise"<newname=ss.str（）;
imwrite（newname,newImage）;
}
//根据生成的噪声图片，进行叠加
Mat*mypics=newMat[ImageSize];
//图片的通道
stringfile;
for（size_ti=0;i{
ostringstreamname;
name<<"noise"<file=name.str（）;
mypics[i]=imread（file,1）;
}
//获得消除噪声的输出
Mat&&out=std:
:
move（eliminateNoise（mypics,ImageSize））;
ostringstreamss;
ss<<"output"<newname=ss.str（）;
imwrite（newname,out）;
vectormanyimgV;
manyimgV.push_back（std:
:
move（pic））;
manyimgV.push_back（out）;
Matdst;
ManyImages（manyimgV,dst,2）;
imshow（"结果输出,左边为原始图片，右边为结果图片",dst）;
waitKey（0）;
deletemypics;
return0;
}
升级会员 