图像处理算法.pdfVIP

目 录 前言 高斯平滑滤波的C++实现 中值滤波和均值滤波的C++实现 图像锐化算法的C++实现 小波变换一维Mallat算法的C++实现 （matlab验证 ） 一维信号小波阈值去噪的C++实现 （matlab验证 ） 二维图像小波阈值去噪的C++实现 （matlab验证 ） 经典滤波算法去噪对比实验 （Matlab实现 ） 相位相关图像配准算法的C++实现 本文档使用 看云 构建 - 2 - 前言 前言 原文出处 ：图像处理算法 作者 ：ebowtang 本系列文章经作者授权在看云整理发布 ，未经作者允许 ，请勿转载 ！ 图像处理算法 记录各种图像算法以及相关的代码实现。 本文档使用 看云 构建 - 3 - 高斯平滑滤波的C++实现 高斯平滑滤波的C++实现 以另外一个滤波器而言均值滤波器, 就是说某像素的颜色, 由以其为中心的九宫格的像素 平均值来决定. 在这个基础上又发展成了带权的 “平均”滤波器, 这里的高斯平滑或者说滤波 器就是这样一种带权 （通常我们认为距离要代替的点像素的作用大一些 ）的 “平均”滤波器. 那么这些权重如何分布呢? 我们先来看几个经典的模板例子 尝试了使用这些滤波器对我们原来的图进行操作, 得到了这样的一组结果 原图 本文档使用 看云 构建 - 4 - 高斯平滑滤波的C++实现 3x3 高斯滤波处理后 5x5 高斯处理后 本文档使用 看云 构建 - 5 - 高斯平滑滤波的C++实现 单纯从效果来看, 两个模板都起到了平滑的作用, 只是程度有深浅的区分. 那么从理论上来说为 什么能起到平滑的作用呢? 很显然, 像素的颜色不仅由自身决定了, 同时有其周围的像素加权 决定, 客观上减小了和周围像素的差异.同时这些权重的设定满足了越近权重越大的规律. 从理 论来讲, 这些权重的分布满足了著名的所谓高斯分布 这就是1维的计算公式 ： 这就是2维的计算公式 ： x, y表示的就是当前点到对应点的距离, 而那些具体的模板就是由这里公式中的一些特例计算 而来. 需要说明的是不只有这么一些特例, 从wikipedia可以方便地找到那些复杂的模板比如 像 Sample Gaussian matrix This is a sample matrix, produced by sampling the Gaussian filter kernel (with σ = 0 at the midpoints of each pixel and then normalising. Note that the center element (at [4, 4]) has the largest value, decreasing symmetrically as distance from the center increases. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.05