把之前圖像處理的文章加上原創(chuàng)標(biāo)識，重新發(fā)表一遍。

在實時圖像采集中，不可避免的會引入噪聲，尤其是干擾噪聲和椒鹽噪聲，噪聲的存在嚴重影響邊緣檢測的效果，中值濾波是一種基于排序統(tǒng)計理論的非線性平滑計數(shù)，能有效平滑噪聲，且能有效保護圖像的邊緣信息，所以被廣泛用于數(shù)字圖像處理的邊緣提取，其基本原理是把數(shù)字圖像或數(shù)字序列中的一點的值用該點鄰域內(nèi)所有點的中值來代替。

中值濾波對脈沖噪聲有良好的濾除作用，特別是在濾除噪聲的同時，能夠保護信號的邊緣，使之不被模糊。這些優(yōu)良特性是線性濾波方法所不具有的。此外，中值濾波的算法比較簡單，也易于用硬件實現(xiàn)。所以，中值濾波方法一經(jīng)提出后，便在數(shù)字信號處理領(lǐng)得到重要的應(yīng)用。

中值濾波方法是，對待處理的當(dāng)前像素，選擇一個模板，該模板為其鄰近的若干個像素組成，對模板的像素由小到大進行排序，再用模板的中值來替代原像素的值的方法。

???????? 當(dāng)我們使用3x3窗口后獲取領(lǐng)域中的9個像素，就需要對9個像素值進行排序，為了提高排序效率，排序算法思想如圖3-18所示

(1)??????對窗內(nèi)的每行像素按降序排序，得到最大值、中間值和最小值；

(2)??????把三行的最小值相比較，取其中的最大值；

(3)??????把三行的最大值相比較，取其中的最小值；

(4)??????把三行的中間值相比較，再取一次中間值；

(5)??????把前面的到的三個值再做一次排序，獲得的中值即該窗口的中值。

排序算法思想

中值濾波的3x3矩陣的生成和均值濾波是完全類似的。我們求中值的方法是，先對3x3矩陣的每行按從大到小進行排序，然后利用排序法求出最大值那一列的最小值，求出之間數(shù)那一列的中間值，求出最小值按一列的最大值，最后將求出的三個值再排序，這三個值的中間值就是這個3x3矩陣的中間值。

?中值濾波計算

如圖所示仿真，可以推算出，這個中值完全是正確的，最后將求出的中值輸出，這樣中值定理便完成了。

3x3矩陣的中值輸出

???????? 我們在求中值的時候消耗了三個時鐘周期，最后輸出寫RAM使能信號時，需要將per_clken延時3個時鐘周期，保證圖像數(shù)據(jù)與寫RAM使能對齊、同步性。這里延時的寫法和前面文章中所講的是完全相同的！查看視頻效果。

視頻是新配的，核心代碼相同。

中值濾波和均值濾波比較：中值濾波與均值濾波分別是非線性濾波和線性濾波的代表，這兩種濾波非常的相似，但濾波的效果卻有很大的差別，均值濾波相當(dāng)于低通濾波，有將圖像模糊化的趨勢，對椒鹽噪聲基本無能為力。中值濾波的優(yōu)點是可以很好的過濾椒鹽噪聲，缺點是容易造成圖像的不連續(xù)。中值濾波有效的移植了最大值和最小值，圖像會變得均勻，對椒鹽噪聲有很好的濾出效果！所以本系統(tǒng)最終選擇采用中值濾波的方法。

灰度lena

均值濾波lena

中值濾波lena

上圖為灰度圖，中間為均值濾波圖像，下圖為中值濾波后的圖像。通過對比發(fā)現(xiàn)，均值濾波后的lena變得更模糊，亮度也變高，而中值濾波后的lena清晰度較好，也是有效的過濾掉了椒鹽噪聲，由于我們這是所選取的圖片椒鹽噪聲不明顯，感興趣的讀者可以自己去試著找一幅帶椒鹽噪聲的圖片去處理一下。這里需要強調(diào)的一下是濾波后的圖像會有部分邊緣缺失，這是因為我們在求取均值或中值時，生成的3x3矩陣，在緩存第一行數(shù)據(jù)時，第二三行數(shù)據(jù)是沒有的，同樣緩存到前兩行第三行數(shù)據(jù)也是沒有的，但這個時候我們就已經(jīng)開始了求均值或中值的運算，那么這個時候輸出的像素點其實是作廢的，這里我們并沒有過多的關(guān)心這些像素點，只是專注于學(xué)習(xí)中值濾波。

如果你想獲得本文的所有課件和工程代碼，請關(guān)注本人的個人微信訂閱號：硅農(nóng) 或掃描下方二維碼關(guān)注訂閱號，在后臺回復(fù)圖像處理，即可獲得本文的所有課件、資料、和工程源碼哦！

總結(jié)

以上是生活随笔為你收集整理的均值滤波计算_基于FPGA的中值滤波算法实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。