中值滤波器.docx
《中值滤波器.docx》由会员分享，可在线阅读，更多相关《中值滤波器.docx（13页珍藏版）》请在冰豆网上搜索。
中值滤波器
中值滤波器.txt让人想念而死，是谋杀的至高境界，就连法医也鉴定不出死因。
。
。
。
。
。
帽泡排序法的汇编实现。
。
movcx,count;CX←数组元素个数
deccx;元素个数减1为外循环次数
outlp:
movdx,cx;DX←内循环次数
movbx,offsetarray
inlp:
moval,[bx];取前一个元素
cmpal,[bx+1];与后一个元素比较
jnanext
xchgal,[bx+1];否则，进行交换
mov[bx],al
next:
incbx;下一对元素
decdx
jnzinlp;内循环尾
loopoutlp;外循环尾
2、中值滤波
中值滤汉是对某一参数连续输入N次（一般N取奇数）,从中选择一个中间值作为本次采样值,若变量变化比较缓慢,采用此方法效果比较好,但对快速变化过程的参数,如流量、自然伽玛等,则不宜采用。
中值滤波的C程序函数如下:
floatmiddle_filter（floatmiddle_value[],intcount）
{
floatsample_value,data;
inti,j;
for（i=1;ifor（j=count-1;j>=i,--j）{
if（middle_value[j-1]=middle_value[j]{
data=middle_value[j-1];
middle_value[j-1]=middle_value[j]
middle_value[j]=data;
}
}
sample_value=middle_value（count-1）/2];
return（sample_value）;
}
函数假设对某一参数连续采样3次,若多次采样,可对该函数稍作修改即可。
3次采样值存储在数组middle_value[3],其中Sample-value表示有效采样值,count表示连续采样次数。
FILTER3:
MOVR2,#04H
SRT:
MOVA,R2
MOVR3,A
MOVR0,#SAMP
LOOP:
MOVA,@R0
INCR0
MOVR1,A
CLRC
SUBBA,@R0
MOVA,R1
JCDONE
MOVA,@R0
DECR0
XCHA,@R0
INCR0
MOV@R0,A
DONE:
DJNZR3,LOOP
DJNZR2.,SORT
INCR0
MOVA，@R0
RET
SAMPEQU30H
用汇编实现冒泡排序的函数
;参数说明:
_lpData是待排序的数组首地址,_dwCount是待排序的个数,_dwOption设为0则由小到大排序
;如果是非0值,则是由大到小排序.
;返回值:
已排序数据放回原数组中.
;作者:
ONEPROBLEM
;=================================================
_BubblingSortproc_lpData,_dwCount,_dwOption
local@dwCount
pushad
movedi,1
.whileedi<_dwCount
movesi,_lpData
moveax,_dwCount
mov@dwCount,eax
sub@dwCount,edi
movebx,1
.whileebx<=@dwCount
moveax,[esi]
.ifeax<[esi+4]&&_dwOption==0
jmpnext
.elseifeax>[esi+4]&&_dwOption==0
jmpcontinue
.elseifeax<[esi+4]&&_dwOption!
=0
jmpcontinue
.elseifeax>[esi+4]&&_dwOption!
=0
jmpnext
.endif
continue:
moveax,[esi]
movedx,[esi+4]
mov[esi],edx
mov[esi+4],eax
next:
addesi,4
incebx
.endw
incedi
.endw
popad
ret
_BubblingSortendp
DSEGSEGMENT
nequ10
BUFFERDB9,11,2,7,21,13,2,0,14,3
DSEGENDS
CSEGSEGMENT
assumecs:
CSEG,ds:
DSEG
MAINPROCFAR;主程序入口
movax,dseg
movds,ax
movcx,n
deccx
loop1:
movdi,cx
movbx,0
loop2:
moval,buffer[bx]
cmpal,buffer[bx+1]
jgecontinue
xchgal,buffer[bx+1]
movbuffer[bx],al
continue:
addbx,1
looploop2
movcx,di
looploop1
movah,1;按任意键退出
int21h
movax,4c00h;程序结束，返回到操作系统系统
int21h
MAINENDP
CSEGENDS
ENDMAIN
中值滤波原理
中值滤波是一种非线性平滑法,它对一个滑动窗口内的像素灰度值排序,并用其中值代替窗口中心像素的灰度值.对脉冲干扰及椒盐噪声具有良好的抑制作用,并且在抑制随机噪声的同时能有效保护边缘少受模糊.二维中值滤波的窗口形状有多种,如线状、方形、十字形、圆形、菱形等.不同形状的窗口产生不同的滤波效果.通过研究,不少文献认为十字中值滤波的效果优于方形的中值滤波,而且十字中值滤波也有不同的形式以形成不同的滤波特性,其数据可从方形数据获得.最常使用的十字中值滤波是对五个相邻像素进行排序,以确定中心点的数值.
I=[17181711
11151111
11555117
11555181
81151111
81151151
11151111
17181711
];
[MN]=size（I）;
I1=zeros（M,N）;
fori=2:
M-1
forj=2:
N-1
temp=I（i-1:
i+1,j-1:
j+1）;
temp=sort（temp）;
temp=sort（temp'）;
I1（i,j）=temp（2,2）;
end
end
imshow（I,[]）;
figure,imshow（I1,[]）;
中值滤波器属于非线性空间滤波器，用于除去图像中的椒盐噪声。
中值滤波器只适用于灰度RGB图像（对于YUV图像，应该只需要对Y进行处理），一个有趣现象：
对于彩色RGB图像进行中值滤波，得到的输出接近于灰色图像。
中值滤波的算法核心就是找出中间值。
对于一个3x3的块，只需要找的这样一个值：
1）有4个比它小；2）有4个比它大。
而不需要进行泡沫排序。
对于图像的边界，一般有两种处理方法：
边界扩展和不处理。
为了跟具有普遍性，此IP不考虑边界问题。
中值滤波器的主要开销在于linebuffer，通常linebuffer需要存储图像的一行像素。
对于3x3块的滤波，就需要两个linebuffer，这对于大尺寸图像是一笔很大的开销。
我认为，对于这个问题有两种解决办法：
1）和其它模块共享buffer，实际限制会比较多，也会影响系统的工作频率；2）把大图像分成小块来处理，这样做IO接口的设计会比较复杂，对于带宽也有一定影响。
本文的IP为Slave模式，输入为8bit，支持断续传输。
实际应用中，需要设计一个IOinterface。
使用了6级流水线，处理速度可以达到1pixel/cycle。
作为一个IP，这个设计可能没有太多价值，毕竟实际情况千差万别。
但是，我想，作为一个学习的例子还是有一些意义的，这个设计流程已经很接近工程项目了。
算法实现起来比较简单，总共花费约5个工作日。
第一天：
找资料；
第二天：
写DesignSpec，并实现；
第三天：
写cmodel，建立仿真环境；
第四天：
debug；
第五天：
整理。
整个工程包括：
RTL,testbanch，cmodel，DesignSpec和测试向量。
要求仿真工具支持verilog2001。
这里对验证环境多说一些，严格来讲，这个只能算是仿真，验证的话需要给出functioncoverage和codecoverage报告。
因为是没有薪水的工作，所以就不愿意做这些琐碎的事情了。
凭我的直觉说应该不会有问题（千万不要对自己的老板这么说，而且bug往往出现在设计者认为不会出bug的地方）。
找Bug的工作就交给大家了:
）。
对于仿真结果的比较，不知道为什么很多人都习惯用testbanchdumpresultfile，然后和参考数据作比较。
个人觉得这种方法非常不好，我习惯用monitor做实时比较。
到了2001版本，verilog的文件操作已经做到和c一样强大了。
在这个testbanch里，激励和比对文件都是二机制的。
另外一个比较重要的东西就是cmodel了，一般在公司里都是由算法工程师给出来的（我请不起他们只有自己写了），个人认为cmodel不会对RTL的实现有所帮助（我从来不看他们的程序，而且我的设计都是和cmodel同步完成的），但是对于debug起着事半功倍的作用。
一个好的cmodel可以给出debug所需要的所有信息。
关于滤波器的实现没有太多难点，这里用的是脉动阵列结构，保证数据在你期望的时间到达就可以了。
有一些信号是根据时序凑出来的，不要深究其逻辑意义。
基本上基于算法的设计都遵循以下流程：
先实现数据通路，然后根据数据通路来凑出控制信号.
通常我看code和波形都是在debussy下面，如果你不是，应该向我学习，因为aisc工程师都是这么做的！
如果你是想学习而不是拿来用的话，我建议还是自己实现的好。
网络上的资源：
该文件内容放在.m文件中才能调用！
！
！
%中值滤波函数，X为输入矩阵,a,b为中值滤波的框大小。
%效率很低，可以用来说明中值滤波的概念。
%Y为uint8数据类型，以便用imshow画图，否则，可以改为其它和X相同的类型。
%medianforfun.m
function[Y]=medianforfun（X,a,b）
k=floor（a*b/2）+1;%k为矩阵数值中间位置的数
[M,N]=size（X）;
uint8Y=zeros（M,N）;
funBox=zeros（a,b）;
temp=zeros（a*b）;
fori=1:
M-a%matlab的坐标从（1，1）开始
forj=1:
N-b
funBox=X（i:
i+a,j:
j+b）;
temp=funBox（:
）;%A（:
）矩阵A以一维数组的形式输出
tempSort=sort（temp）;%sort（）是从小到大排列
Y（i,j）=tempSort（k）;
end;
end;
调用函数:
I=imread（'eight.tif'）;
J=imnoise（I,'salt%26amp;pepper',0.02）;
K=medfilt2（J）;
imshow（J）,figure,imshow（K）
Z=medianforfun（J,2,2）;
figure,imshow（Z）
2.
原版修改（效果更好）：
function[Y]=V0（X,a,b）
k=floor（a*b/2）+1;%k为矩阵数值中间位置的数
[M,N]=size（X）;
uint8Y=zeros（M,N）;
funBox=zeros（a,b）;
p=0;
temp=zeros（a*b）;%a*b的方阵
fori=1:
M-a%matlab的坐标从（1，1）开始
forj=1:
N-b
funBox=X（i:
i+a-1,j:
j+b-1）;
temp=funBox（:
）;%A（:
）矩阵A以一维数组的形式输出
tempSort=sort（temp）;%sort（）是从小到大排列
p1=i+floor（a/2）+1;
p2=j+floor（a/2）+1;
Y（p1,p2）=tempSort（k）;%找到邻接矩阵排列数的中值赋值给模板的中心点
end;
end;
调用函数:
tic;
In=imread（'D:
\sp.jpg'）;%用P=isind（'D:
\sp.png'）测试，发现此图片为索引图像
I=rgb2gray（In）;%那为何使用rgb2gray能转换，ind2gray却不能呢？
？
？
imhist（I）;
J=imnoise（I,'salt%26amp;pepper',0.08）;
%K=medfilt2（J）;
imshow（J）;
%figure,imshow（K）
Z=V0（J,3,3）;%模板为3*3的矩阵，矩阵越大，计算量越大
figure,imshow（Z）
toc
说明：
计算程序运行时间的方式：
tic;
程序;
toc
（2）
matlab自带的中值滤波函数：
medfilt2（）
判断图像文件的类型：
In=imread（'D:
\sp.png'）;
P=isind（'D:
\sp.png'）
P=isrgb（'D:
\sp.png'）
效果如下：
图片处理前图片处理后
3.
改进版（在原版修改基础上）：
传统的中值滤波中“中值”一般取“中位数”，即所有元素排序后中间位置上的元素值。
但是排序需要移动大量元素，效率较低。
个人认为，其实原版算法主要耗时的地方之一是matlab的排序函数：
sort（）
说明：
耗时的原因很多！
值得改进的地方还有很多~~
基于此点，可以改进排序函数，快速排序算法是我的首选,但是不是平常意义的那种快速排序，是经过改良的快速排序。
因为它每轮移动的数字都是最后排好序的最终位置，并且，我只是为了找中值，所以不需要真的去排序。
只要在有一轮排序中，一个数字被放在中心位置，那么该数就是所要找的中值。
最终的排序虽然没有完成，但中值已找到，所以循环就可以停止了！
！
但仍需要移动元素位置。
貌似还是很耗时！
！
！
！
暂时我只能改进到这样的情况了，尽力了~！
1.快速排序法（matlab版）
%快速排序法
%基本的思想:
通过一趟排序将待排的记录分割成独立的两部分，
%其中前一部分的记录的关键字均比另一部分记录的关键字小，
%再分别对两组记录进行递归分割，达到排序的目的
%平均时间复杂度为O（log2（n））
function[data]=qsort_main（A）
data=A;low=1;high=9;
data=QSort（data,low,high）;
%before=A（:
）
%after=data（:
）
functiondata=QSort（data,low,high）
ifnargin==1
low=1;
high=length（data）;
end
if（low%26lt;high）
[datapivokey]=qPartition（data,low,high）;
（3）
if（pivokey==5）%特定情况处理，如果第一个数就是中值，那么就可以停止该循环了！
return;
end
data=QSort（data,low,pivokey-1）;%递归调用
data=QSort（data,pivokey+1,high）;
end
%将数组分成两部分，前一部分的值均比后一部分值小
%返回分界点
function[datalow]=qPartition（data,low,high）
ifnargin==1
low=1;
hight=length（data）;
end
pivokey=data（low）;
whilelow%26lt;high
whilelow%26lt;high%26amp;data（high）%26gt;=pivokey
high=high-1;
end
c=data（low）;d=data（high）;
data（low）=d;data（high）=c;
whilelow%26lt;high%26amp;data（low）%26lt;=pivokey
low=low+1;
end
c=data（low）;d=data（high）;
data（low）=d;data（high）=c;
if（low==high%26amp;low==5）%low与high均到达中心位置！
！
！
！
！
%fprintf（'ppppppppp'）;
return;
end
end
中值滤波函数：
function[Y]=V0（X,a,b）
k=floor（a*b/2）+1;%k为矩阵数值中间位置的数
[M,N]=size（X）;
uint8Y=zeros（M,N）;
funBox=zeros（a,b）;
temp=zeros（a*b）;%a*b的方阵
fori=1:
M-a%matlab的坐标从（1，1）开始
forj=1:
N-b
funBox=X（i:
i+a-1,j:
j+b-1）;
temp=funBox（:
）;%A（:
）矩阵A以一维数组的形式输出
tempSort=qsort_main（temp）;%快速排序！
！
！
！
！
p1=i+floor（a/2）+1;
p2=j+floor（a/2）+1;
Y（p1,p2）=tempSort（k）;%找到邻接矩阵排列数的中值赋值给模板的中心点
end;
end;
调用函数：
tic;
In=imread（'D:
\sp.jpg'）;%用P=isind（'D:
\sp.png'）测试，发现此图片为索引图像
I=rgb2gray（In）;%那为何使用rgb2gray能转换，ind2gray却不能呢？
？
？
imhist（I）;
J=imnoise（I,'salt%26amp;pepper',0.08）;
%K=medfilt2（J）;
imshow（J）;
%figure,imshow（K）
Z=V0（J,3,3）;%模板为3*3的矩阵，矩阵越大，计算量越大
figure,imshow（Z）
toc
升级会员 