平均法去噪

使用噪音监测器评估噪音水平 #生活技巧# #居家生活技巧# #家庭安全技巧# #家庭噪音控制方法#

                                         用平均的方法去除噪声

技术/方法 什么？平均？你是说滤波？

并不是！这种方法并不使用任何滤波（去噪）算法对图像进行处理。实际上，这种方法与滤波相反：你可以获得更为清晰的图像！

在平均法中，我们假设有一系列同一场景的一些图像，只不过每一幅图像具有不同的“噪声模式”。

一旦我们拥有多幅同一场场景的图像，是的，这种你在学校就学过的平均方法：相加之后除以图像的数量。

准备开始实验

首先，我们必须获取到多幅图像，每一幅图像中都有一些噪声。我们使用Photoshop以及自动选择模式生成25幅图像，每一幅图像中添加8%的高斯噪声。

开始编码

首先，确保你包含了OpenCV库中的cv.lib cvaux.lib cxcore.lib highgui.lib文件。

#include <cv.h>

#include <highgui.h>

现在，主函数为：

int main()

{

IplImage* imgRed[25];

IplImage* imgGreen[25];

IplImage* imgBlue[25];

我们一开始定义了三个数组，用以包含25幅图像每一个通道。我们现在载入25幅图像。

for(int i=0;i<25;i++)

{

IplImage* img;

char filename[150];

sprintf(filename, "%d.jpg", (i+1));

img = cvLoadImage(filename);

imgRed[i] = cvCreateImage(cvGetSize(img), 8, 1);

imgGreen[i] = cvCreateImage(cvGetSize(img), 8, 1);

imgBlue[i] = cvCreateImage(cvGetSize(img), 8, 1);

cvSplit(img, imgRed[i], imgGreen[i], imgBlue[i], NULL);

cvReleaseImage(&img);

}

让我们一行一行查看上述代码。我们首先创建一个循环，在循环中我们创建保存图像的临时变量，随后，我们输入载入图像的名称。载入图像的名称可以是1.JPG 2.JPG等等，之后我们载入图像到 img变量。

下一步，我们分配了三个通道的内存。随后，我们把载入的图像分离成三个通道的图像，分别保存在刚刚分配的三个通道内存中。

现在，我们在添加如下代码段：

CvSize imgSize = cvGetSize(imgRed[0]);

IplImage* imgResultRed = cvCreateImage(imgSize, 8, 1);

IplImage* imgResultGreen = cvCreateImage(imgSize, 8, 1);

IplImage* imgResultBlue = cvCreateImage(imgSize, 8, 1);

IplImage* imgResult = cvCreateImage(imgSize, 8, 3);

我们再次分配了三个通道的内存，用以保存平均法去噪的图像结果。

现在，实现平均去噪的方法：

for(int y=0;y<imgSize.height;y++)

{

for(int x=0;x<imgSize.width;x++)

{

int theSumRed=0;

int theSumGreen=0;

int theSumBlue=0;

for(int i=0;i<25;i++)

{

theSumRed+=cvGetReal2D(imgRed[i], y, x);

theSumGreen+=cvGetReal2D(imgGreen[i], y, x);

theSumBlue+=cvGetReal2D(imgBlue[i], y, x);

}

theSumRed = (float)theSumRed/25.0f;

theSumGreen = (float)theSumGreen/25.0f;

theSumBlue = (float)theSumBlue/25.0f;

cvSetReal2D(imgResultRed, y, x, theSumRed);

cvSetReal2D(imgResultGreen, y, x, theSumGreen);

cvSetReal2D(imgResultBlue, y, x, theSumBlue);

}

}

我们获取每一幅图像的每一个像素，然后我们定义像素的和，用以存放25幅噪声图像的每一个通道的像素和。随后，我们把每一个通道的像素和除以图像的数量，然后在把三通道的图像进行合并，生成最终的图像。

很简单？下面试图像的输出结果：

很多噪声的原始图像 结果图像。噪声都去哪呢？ 理论知识

很奇妙是吧！？这仅仅使用了25幅图像的平均结果，如果图像越多，去噪效果越好。

图像中的噪声是随机的，有高斯随机噪声以及其他一些噪声。如下图是高斯噪声。

高斯噪声图像

假设我们把每一个像素的灰度值相加，之后再除以总的像素值，那么最终得到的结果将会是0或者近似0的结果

因此，如果我们把多幅不同模式的噪声图像没一个像素相加，之后在除以总的像素数量，那么，最终将使得噪声消除掉。

数学公式：

我们用gi代表25幅图像，因此，gi就是原始图像和噪声图像的和。即：

我们使用的平均方法可以表示为：

我们把k（实际实验是25幅）幅图像相加，然后在除以k。由高斯分布可知：

因此，通过上述方法，我们最后得的结果即为f(x,y),即图像的原始数据。

更多图像将得到更佳的效果：

原始图像 两幅图像的平均结果 五幅图像的评价结果 十五幅图像的评价结果 二十五幅图像的评价结果

翻译自：http://aishack.in/tutorials/noise-reduction-averaging-theory/

网址：平均法去噪 https://www.yuejiaxmz.com/news/view/596507

相关内容

图像去噪技术概览
揭秘噪音平衡算法：如何让生活远离“噪声骚扰”？
图像去噪技术：消除模糊和杂音的关键
噪声治理方法
电路噪声的产生以及抑制噪声的方法
语音降噪算法
python 音频去除噪音
去除高斯噪声滤波器
消除噪音（消除噪音的三种方法）
减少噪音污染的方法有哪些？分享减少噪音的四种方法

随便看看