均值滤波c报告.docx

实验四均值滤波摘要本实验采用c语言对含噪图像进行均值滤波处理。图像是一种重要的信息源，在图像使用和传输过程中,不可避免会受到噪声的干扰，因此为了恢复原始图像，达到好的视觉效果，需要对图像进行滤波操作。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素点和其本身像素点，再用模板中的全体像素的平均值来代替原来像素值。利用c语言程序读入被噪声污染的图像，先处理BMP位图文件头结构，然后是位图信息头结构、颜色表，最后是位图数据。成功读入加噪图像后，编程对其进行均值滤波，通过均值滤波程序后输出滤波图像。均值滤波能够有效滤除图像中的加性噪声，但均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊。一、实验目的1.掌握均值滤波算法，熟悉一些基本的数字图像处理技术。2.能用C语言读入图像文件，能编写图像的均值滤波算法，并输出处理后的图像。实验原理1.均值滤波均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素点和其本身像素点。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其邻近的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度值g（x，y），即g（x，y）=1/m ∑f（x，y）， m为该模板中包含当前像素在内的像素总个数。均值滤波能够有效滤除图像中的加性噪声，但均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊。均值滤波主要有算术均值滤波，几何均值滤波，谐波均值滤波以及逆谐波均值滤波。算术均值滤波器 (Arithmetic mean filter)2.BMP文件格式常见的图像格式有BMP,PCX,GIF,TGA,JPEG等，而我们采用的是BMP格式的图片。BMP(Bitmap-File)图形文件是Windows采用的图形文件格式，在Windows环境下运行的所有图像处理软件都支持BMP图象文件格式。第一部分为位图文件头BITMAPFILEHEADER，这个结构的长度是固定的，各个部分的说明如下： bfType：指定文件类型，必须是0x424D，即字符串“BM”。 bfSize：指定文件大小，包括这14个字节。 bfReserved1，bfReserved2：为保留字，不用考虑。 bfOffBits：为从文件头到实际的位图数据的偏移字节数。第二部分为位图信息头BITMAPINFOHEADER，这个结构的长度也是固定的，用于说明位图的本结构所占用字节数、位图的宽度、位图的高度、目标设备的级别、每个像素所需的位数、位图压缩类型、位图的大小、位图水平分辨率、位图垂直分位图实际使用的颜色表中的颜色数、位图显示过程中重要的颜色数等信息。第三部分为颜色表，用于说明位图中的颜色，它有若干个表项，每一个表项是一个RGBQUAD类型的结构，定义一种颜色。第四部分是位图数据，用于记录位图的每一个像素值，记录顺序是在扫描行内是从左到右，扫描行之间是从下到上。3.图像边缘处理处理图像边缘点时模板会超出图像范围，此时有两种解决方法：（1）不处理图像最边缘的点，只处理模板不会超出图像范围的点。所得结果图的大小小于原图像。（2）为了输出结果和原图像大小一致，应先将原图像扩展后再进行处理，即生成一个比原图像大一些的矩阵，将原图像置于矩阵的中心位置。扩展方法可选择直接加零或对称扩展。具体扩展大小跟模板大小有关。三、实验步骤与内容1、程序结构（1）.用C语言读入加高斯噪声后图像。（2）.对读入的高斯噪声图像进行均值滤波处理。（3）.将处理后的图像输出并与原图像进行对比。2、实验流程（1）用MATLAB给拍摄好的图像就行加噪处理。（2）运行编写好的均值滤波程序，得到初始界面：图1.程序初始界面点击打开文件，选择加噪图像。图2.打开文件界面 点击均值滤波按钮，即可得删除了调色板后的原图像以及均值滤波处理后的新图像。图3.两组图片滤波后结果通过程序验证，可以看出采用均值滤波可以很好的滤除高斯噪声，虽然图片细节被一定幅度的模糊，但是噪点明显减少。结论（1）均值滤波对高斯噪声和均匀分布噪声的抑制作用是比较好的，但对椒盐噪声的影响不大，在削弱噪声的同时整幅图像总体也变得模糊，其噪声仍然存在。（2）经均值滤波处理后的图像边缘和细节处模糊变得模糊，说明均值滤波在去除噪声的同时也破坏了图像的细节部分。参考文献[1]卢官明，焦良葆.【多媒体信息处理】.