保留結構去噪的方向中值濾波
去噪一般會模糊圖像,丢失圖像細節,有時候需要保留結構的去噪。看到一篇文章描述的思想比較好。
文章中提出的思路是周遊像素點,判斷該點是否為噪聲,如果是,則去噪,否則跳過該點。
論文中的執行個體,以下a為原圖,b為添加噪聲後的圖,f為方向中值濾波的結果圖:
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsICM38FdsYkRGZkRG9lcvx2bjxiNx8VZ6l2cs0TPB1EMJpWTyUkeNBDOsJGcohVYsR2MMBjVtJWd0ckW65UbM5WOHJWa5kHT20ESjBjUIF2X0hXZ0xCMx81dvRWYoNHLrdEZwZ1Rh5WNXp1bwNjW1ZUba9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL3ITO5ADN1QTMzETMwEjMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
1.找噪聲點
周遊像素點,對每個像素點計算四個方向上每個方向像素與中心點像素值的內插補點權重和。
權重公式如下:
這裡的beta表示中心點的像素值,Xi表示該方向上除中心點外的四個點的像素值,Wi表示距離權重,距離中心點越近權重越大,如下圖所示,視窗大小為5x5時,最邊上的點權重值為1,靠近中心的點權重為2,這裡權重也可以用高斯權重。
計算完四條線上的權重和後,如果這四個權重和的最小值也大于門檻值TH(門檻值需要自己調整),說明每個方向上與中心點的差異都比較大,說明是噪聲,否則是邊緣或者平坦的區域。
2.找最近似的方向
衆所周知,方差可以判斷差異大小,是以計算每條線上的方差,找到方差最小的那條線。
3.替換噪聲點
将上述找到的線上的四個像素重複一份加入到視窗中,此時視窗像素數量變為5x5+4,計算這個更新後視窗的中值作為該點的像素值。
4.優化
實際使用中發現,在找到最近似方向後取這四個點的權重均值效果更佳。