「地推平均滤波」平均值滤波
本篇文章给大家谈谈地推平均滤波，以及平均值滤波对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
本文目录一览：
移动平均滤波和平均滤波各自有什么优缺点
椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。
均值滤波
一. 均值滤波简介和原理
均值滤波，是图像处理中常用的手段，从频率域观点来看均值滤波是一种低通滤波器，高频信号将会去掉。均值滤波可以帮助消除图像尖锐噪声，实现图像平滑，模糊等功能。理想的均值滤波是用每个像素和它周围像素计算出来的平均值替换图像中每个像素。
以3*3均值滤波器为例，均值滤波器算法原理如下图：
二. 用均值滤波器对椒盐噪声污染后的图像去噪
python 源码：
import cv2
import numpy as np
# mean filter
def mean_filter(img, K_size=3):
H, W, C = img.shape
# zero padding
pad = K_size // 2
out = np.zeros((H + pad * 2, W + pad * 2, C), dtype=np.float)
out[pad: pad + H, pad: pad + W] = img.copy().astype(np.float)
tmp = out.copy()
# filtering
for y in range(H):
for x in range(W):
for c in range(C):
out[pad + y, pad + x, c] = np.mean(tmp[y: y + K_size, x: x + K_size, c])
out = out[pad: pad + H, pad: pad + W].astype(np.uint8)
return out
# Read image
img = cv2.imread("../paojie_sp1.jpg")
# Mean Filter
out = mean_filter(img, K_size=5)
# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()
三. 实验结果：
可以看到，均值滤波后，图像中噪声虽然有所减弱，但是图像变模糊了。因为均值滤波器过滤掉了图像中的高频分量，所以图像的边缘都变模糊了。（去除一定量椒盐噪声，可以考虑使用中值滤波）
四. 参考内容：
怎样用matlab进行图像滤波处理
1、打开软件，读入图片。
2、分别建立3*3高斯滤波模板和平均滤波模板，并对加噪的图片进行滤波处理。显示原图、加噪后的图片和分别用高斯、平均模板滤波后的图片。
3、图片结果如图，可以看出平均模板滤波后噪声十分明显，高斯模板滤波后噪声影响相对较小，但也很容易看出。
4、使用中值滤波对图片进行处理，并显示处理后的图像。
5、从图片可以看出，中值滤波后的图像基本上看不出来噪声的影响。完成保存就可以了。
如何进行软件滤波？
1、限幅滤波法（又称程序判断滤波法）
A、方法：
根据经验判断，确定两次采样允许的最大偏差值（设为A），每次检测到新值时判断：
如果本次值与上次值之差=A,则本次值有效
如果本次值与上次值之差A,则本次值无效,放弃本次值,用上次值代替本次值
B、优点：
能有效克服因偶然因素引起的脉冲干扰
C、缺点
无法抑制那种周期性的干扰
平滑度差
2、中位值滤波法
A、方法：
连续采样N次（N取奇数）
把N次采样值按大小排列
取中间值为本次有效值
B、优点：
能有效克服因偶然因素引起的波动干扰
对温度、液位变化缓慢的被测参数有良好的滤波效果
C、缺点：
对流量、速度等快速变化的参数不宜
3、算术平均滤波法
A、方法：
连续取N个采样值进行算术平均运算
N值较大时：信号平滑度较高，但灵敏度较低
N值较小时：信号平滑度较低，但灵敏度较高
N值的选取：一般流量，N=12；压力：N=4
B、优点：
适用于对一般具有随机干扰的信号进行滤波
这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动
C、缺点：
对于测量速度较慢或要求数据计算速度较快的实时控制不适用
比较浪费RAM
4、递推平均滤波法（又称滑动平均滤波法）
A、方法：
把连续取得的N个采样值看成一个队列
队列的长度固定为N
每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)
把队列中的N个数据进行算术平均运算,就可获得新的滤波结果
N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4
B、优点：
对周期性干扰有良好的抑制作用，平滑度高
适用于高频振荡的系统
C、缺点：
灵敏度低
对偶然出现的脉冲性干扰的抑制作用较差
不易消除由于脉冲干扰所引起的采样值偏差
不适用于脉冲干扰比较严重的场合
比较浪费RAM
5、中位值平均滤波法（又称防脉冲干扰平均滤波法）
A、方法：
相当于“中位值滤波法”+“算术平均滤波法”
连续采样N个数据，去掉一个最大值和一个最小值
然后计算N-2个数据的算术平均值
N值的选取：3~14
B、优点：
融合了两种滤波法的优点
对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差
C、缺点：
测量速度较慢，和算术平均滤波法一样
比较浪费RAM
常见信号处理过程中的平均方式有哪几种
一、算术平均滤波法
算术平均滤波法是指对一点数据连续采n个值，然后取其平均值。这种方法能够滤除一般的随机干扰信号，使信号变的平滑，但当n值较大时，灵敏度会降低，故n值要视具体情况进行选取。一般情况下取3～5平均即可。
二、滑动平均滤波法
算术平均滤波法每计算一次数据需要采集n次数据，这对于测量数据较慢或要求数据计算速度较快的实时控制系统则无法使用，此时可采用滑动平均滤波法。滑动平均滤波法是把n个采样值看成一个队列，队列是长度为n，每进行一次采样就把采样值放入队尾，而去掉原队首的一个采样值，这样，队列中就始终有n个“最新”的采样值，对这n个值进行平均就可以得到新的滤波值。
滑动平均滤波法对周期性的干扰具有较好的抑制作用，但对偶然出现的脉冲性干扰抑制作用差，难以消除由于脉冲干扰而引起的采样值的偏差。
三、去极值滤波法
算术平均滤波法和滑动平均滤波法都难以消除脉冲干扰所引起的误差，会将脉冲干扰“平均”到结果中去。在脉冲干扰严重的场合可采用去极值平均滤波法。去极值平均滤波法的思想是：连续采样n个值，找出并去除其中的最大值和最小值，然后对其余的n-2个值求平均，即可得到有效采样值。为了使算法简单，n通常取偶数，如4，6，8，10等。
四、中位值滤波法
对某一被测信号连续采样n次，然后把n次采样值按大小排序，取中间值为本次采样值。为方便，n一般取奇数。算法上，则可以采用“冒泡法”来对这n个数据进行排序。中位值滤波法能有效地克服因偶然因素引起的波动干扰，但对于一些快变参数则不宜采用。
均值滤波怎么算的
均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身）。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。
关于地推平均滤波和平均值滤波的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
发布于：2023-04-10，除非注明，否则均为原创文章，转载请注明出处。