空間濾波的定義

濾波的本義是指信號(hào)有各種頻率的成分,濾掉不想要的成分,即為濾掉常說(shuō)的噪聲,留下想要的成分，這即是濾波的過程,也是目的?？臻g濾波是一種采用濾波處理的影像增強(qiáng)方法。其理論基礎(chǔ)是空間卷積和空間相關(guān)。目的是改善影像質(zhì)量，包括去除高頻噪聲與干擾，及影像邊緣增強(qiáng)、線性增強(qiáng)以及去模糊等。分為低通濾波（平滑化）、高通濾波（銳化）和帶通濾波。

圖像需要增強(qiáng)的原因

各類圖像處理系統(tǒng)在圖像的采集、獲取、傳送和轉(zhuǎn)換(如成像、復(fù)制掃描、傳輸以及顯示等)過程中，均處在復(fù)雜的環(huán)境中，光照、電磁多變，所有的圖像均不同程度地被可見或不可見的噪聲干擾。噪聲源包括電子噪聲、光子噪聲、斑點(diǎn)噪聲和量化噪聲。如果信噪比低于一定的水平，噪聲逐漸變成可見的顆粒形狀，導(dǎo)致圖像質(zhì)量的下降。除了視覺上質(zhì)量下降，噪聲同樣可能掩蓋重要的圖像細(xì)節(jié)，在對(duì)采集到的原始圖像做進(jìn)一步的分割處理時(shí)，我們發(fā)現(xiàn)有一些分布不規(guī)律的椒鹽噪聲，為此采取相應(yīng)的對(duì)策就是對(duì)圖像進(jìn)行必要的濾波降噪處理。

(1) 中值濾波

PART/01

是將每個(gè)像元在以其為中心的M×N鄰域內(nèi)取中間亮度值來(lái)代替該像元值，以達(dá)到去尖銳“噪聲”和平滑圖像的目的。具體計(jì)算方法與模板卷積方法類似，仍采用活動(dòng)窗口的掃描方法。取值時(shí)，將M×N窗口內(nèi)所有像元按亮度值的大小排列，取中間值作為中間像元的值。所以M×N取奇數(shù)為好。一般來(lái)說(shuō)，圖像亮度為階梯狀變化時(shí)，取均值平滑比取中值濾波要明顯得多，而對(duì)于突出亮點(diǎn)的“噪聲”干擾，從去“噪聲”后對(duì)原圖的保留程度看取中值要優(yōu)于取均值。

代碼實(shí)現(xiàn)：

比如我們要對(duì)下面矩陣進(jìn)行中值濾波運(yùn)算，

4 4 3 7 6 8 8

4 4 3 7 6 8 8

2 2 15 8 9 9 9

5 5 8 9 13 10 10

7 7 9 12 15 11 11

8 8 11 10 14 13 13

8 8 11 10 14 13 13

輸出結(jié)果如下圖所示：

package NB;

import java.util.ArrayList;

import java.util.Arrays;

import java.util.Scanner;

public class zzlb {

public static void main(String[] args) {

    Scanner s=new Scanner(System.in);

    System.out.println("請(qǐng)輸入矩陣的行數(shù)：");

    int x=s.nextInt();//獲取鍵盤輸入的數(shù)字

    System.out.println("請(qǐng)輸入矩陣的列數(shù)：");

    int y=s.nextInt();//獲取鍵盤輸入的數(shù)字

    int[][]b=new int[x][y];//創(chuàng)建一個(gè)二維數(shù)組

    int[]p=new int[9];//創(chuàng)建一個(gè)可以存放9個(gè)元素的一維數(shù)組來(lái)獲取#3*3窗口的像元值

    System.out.println("請(qǐng)輸入"+x+"*"+y+"的矩陣：");

    for (int i = 0; i <y; i++) {

        for (int j = 0; j < x; j++) {

            b[i][j]=s.nextInt();//將鍵盤輸入的矩陣存放到二維數(shù)組里面

        }

    }

    System.out.print("運(yùn)算結(jié)果如下：\n");

    for (int i = 1; i <y-1; i++) {

        for (int j = 1; j < x-1; j++) {  //鎖定到中心像元的位置，從（1，1）開始

            int g=0;

            for (int k =i-1; k <=i+1 ; k++) {

                for (int l =j-1; l <=j+1 ; l++) {

                    p[g++]=b[k][l]; //將3*3矩陣窗口存儲(chǔ)到一維數(shù)組中

                }

            }

            for (int k = 0; k <p.length-1; k++) {

                for (int l = 0; l < p.length-1-k; l++) {

                    if(p[l]>p[l+1]) {

                        int temp = p[l];

                        p[l]=p[l+1];

                        p[l+1]=temp;//本次采用冒泡排序法對(duì)3*3窗口內(nèi)的像元從小到大排序

                    }

                }

            }

            System.out.print(p[4]+" ");//輸出每個(gè)3*3模板的中心值，下標(biāo)都是4

        }

        System.out.println("\n");//輸出完一行就換行

    }

}
}

有小伙伴看到就會(huì)說(shuō)：我求的是55的矩陣，為什么輸入的是77的矩陣？原因在于我們運(yùn)用的33矩陣窗口放在矩陣4個(gè)角的像元時(shí)，需要額外添加鄰近的像元來(lái)構(gòu)成33的窗口，對(duì)于這個(gè)添加的臨時(shí)像元值一般和最近的像元值保持一致。

（2）羅伯特銳化

PART/02

圖像銳化是為了突出圖像上地物的邊緣、輪廓，或某些線性目標(biāo)要素的特征。這種濾波方法提高了地物邊緣與周圍像元之間的反差，因此也被稱為邊緣增強(qiáng)。銳化的方法很多，在此只介紹羅伯特梯度。梯度反映了相鄰像元的亮度變化率，也就是說(shuō)，圖像中如果存在邊緣，如湖泊、河流的邊界，山脈和道路等，則邊緣處有較大的梯度值。對(duì)于亮度值較平滑的部分，亮度梯度值較小。因此，找到梯度較大的位置，也就找到邊緣，然后再用不同的梯度計(jì)算值代替邊緣處像元的值，也就突出了邊緣，實(shí)現(xiàn)了圖像的銳化。

不過在講解之前小編先給大家引入一個(gè)新的概念——圖像卷積運(yùn)算， 卷積運(yùn)算：可看作是加權(quán)求和的過程，使圖像區(qū)域中的每個(gè)像素分別與卷積核(權(quán)矩陣)的每個(gè)元素對(duì)應(yīng)相乘，所有乘積之和作為區(qū)域中心像素的新值。它是在空間域上對(duì)圖像作局部檢測(cè)的運(yùn)算，以實(shí)現(xiàn)平滑和銳化的目的。具體作法是選定一個(gè)卷積函數(shù)，又稱為“模板”，實(shí)際上是一個(gè)M×N圖像。二維的卷積運(yùn)算是在圖像中使用模板來(lái)實(shí)現(xiàn)運(yùn)算的。運(yùn)算方法從圖像左上角開始，選定與模板同樣大小的矩陣元素窗口，圖像窗口與模板像元對(duì)應(yīng)的亮度值相乘后再相加，最后一般將計(jì)算結(jié)果放在窗口中心位置（當(dāng)M和N都是奇數(shù)時(shí)），代替原來(lái)的像元灰度值。然后活動(dòng)窗口向右移動(dòng)一個(gè)像元再以同樣的方法進(jìn)行卷積運(yùn)算，逐行掃描，直到全幅影像都掃描一遍，最后生成新圖像。羅伯特銳化方法使用的兩個(gè)模板如下：

F=|aidxi|+|aidyi|，其中a是矩陣中的2*2個(gè)元素，i是第i個(gè)元素，i<=4,計(jì)算結(jié)果放在左上角像元，代替之前的灰度值，但是右下角的像元模板范圍內(nèi)沒有其他像元了，無(wú)法進(jìn)行計(jì)算，為此使用羅伯特銳化方法都要在原始矩陣的最下邊和最右邊添加一行和一列，值都和最臨近的像元灰度值一樣。為了直白了斷，小編直接上例子吧，比如有某個(gè)矩陣，如下圖（1）所示，我要用上面兩個(gè)模板進(jìn)行羅伯特銳化，首先得在右邊和下邊分別添加一行和一列，如下圖（2）所示：

接下來(lái)對(duì)左上角像元進(jìn)行運(yùn)算：|2*（-1）+30+40+51|+|20+3*（-1）+41+50|=4，

接下來(lái)對(duì)右上角像元進(jìn)行運(yùn)算：|3*（-1）+30+50+51|+|30+3*（-1）+51+50|=4，

接下來(lái)對(duì)左下角像元進(jìn)行運(yùn)算：|4*（-1）+50+40+51|+|40+5*（-1）+41+50|=2，

接下來(lái)對(duì)右下角像元進(jìn)行運(yùn)算：|5*（-1）+50+50+51|+|50+5*（-1）+51+50|=0，最終輸出矩陣如下所示：

這種算法的意義在于用交叉的方法檢測(cè)出像與其領(lǐng)域在上下之間或左右之間或斜方向之間的差異，最終產(chǎn)生一個(gè)梯度影像，達(dá)到提取邊緣信息的目的。

代碼實(shí)現(xiàn)：

比如我們要對(duì)下面矩陣進(jìn)行中值濾波運(yùn)算，

2 2 10 10 10 10

2 2 10 10 10 10

2 2 10 10 10 10

2 2 2 2 2 2

2 2 2 2 2 2

2 2 2 2 2 2

輸出結(jié)果如下圖所示：

package NB;

import java.util.Scanner;

public class robet {
public static void main(String[] args) {

    Scanner s1 = new Scanner(System.in);

    System.out.println("請(qǐng)輸入矩陣的行數(shù)：");

    int x = s1.nextInt();//獲取鍵盤輸入的數(shù)字

    System.out.println("請(qǐng)輸入矩陣的列數(shù)：");

    int y = s1.nextInt();//獲取鍵盤輸入的數(shù)字

    int[][] b = new int[x][y];//創(chuàng)建一個(gè)二維數(shù)組

    System.out.println("請(qǐng)輸入" + x + "*" + y + "的矩陣：");

    for (int i = 0; i < y; i++) {

        for (int j = 0; j < x; j++) {

            b[i][j] = s1.nextInt();

        }///將鍵盤輸入的矩陣存放到二維數(shù)組里面

    }

    for (int i =0; i <y-1; i++) {

        for (int j = 0; j <x-1; j++) {

            b[i][j]=Math.abs(b[i][j]-b[i+1][j+1])+Math.abs(b[i+1][j]-b[i][j+1]);

            System.out.print(b[i][j]+" ");

        }//對(duì)兩個(gè)模板進(jìn)行圖像卷積運(yùn)算后取絕對(duì)值相加，并且把結(jié)果放到2*2窗口的左上方

        System.out.println("\n");//輸出完一行就換行

    }

}
}

到此這篇關(guān)于基于Java的空間濾波代碼實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Java空間濾波內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！