这两个滤波器是经典的matlab数字图像处理书中提到的算法之一。自适应中值滤波器需要一个矩形的窗口,其大小会在滤波处理过程中进行调整。滤波器的输出是一个像素值,用于替换中心位置的像素值。 根据自适应...

这两个滤波器是经典的matlab数字图像处理书中提到的算法之一。自适应中值滤波器需要一个矩形的窗口,其大小会在滤波处理过程中进行调整。滤波器的输出是一个像素值,用于替换中心位置的像素值。

根据自适应中值滤波器的原理,如果在A过程中得到的中值不满足条件,则需要增大滤波器的窗口尺寸,在更大的范围内寻找非噪声点的中值。噪声的出现概率较低时,自适应中值滤波器可较快得出结果;噪声概率较高时,则需要增大滤波器的窗口尺寸,符合中值滤波器的特点。

自适应中值滤波器的效果较好,不需要增加窗口尺寸。相比常规中值滤波器,它能更好地保护图像的边缘细节,但时间复杂度较高。

自适应中值滤波原理的核心部分在于确定当前窗口内的中值Zmed,并判断Zmed是否是噪声。如果Zmin < Zmed < Zmax,则中值Zmed不是噪声,转到过程B。在B测试中,若Zxy不是噪声,则滤波器输出Zxy;若Zxy是噪声,则输出中值Zmed。

一种扩展算法为保守滤波,其基本原理是找到像素窗口周围的最小和最大强度值。如果中心像素的强度在邻域强度范围内,则保持不变;否则,中心像素的强度将被设为最大或最小强度值。相比自适应中值滤波,保守滤波不包含中心像素本身的领域,并非用中值代替原始像素。

通过对比自适应中值滤波和保守滤波的效果,自适应中值滤波在去除椒盐噪音的效果非常好,基本复现了原图。保守滤波目前只实现了3*3的版本,对于噪音比较集中的地方暂时无法去除,但可通过扩大半径和类似使用自适应中值的方式处理。

总体来说,自适应中值滤波器在去除椒盐噪音方面表现良好,不同于常规中值滤波器,它能更好地保护图像中的边缘细节,但增加了算法的时间复杂度。

对于保守滤波,其应用效果相对有限,由于目前实现的是3*3的版本,无法处理噪音比较集中的区域。然而,其特点可以通过扩大半径和使用类似自适应中值的方式进行改进。