均值滤波和中值滤波的内容非常基础，均值滤波相当于低通滤波，有将图像模糊化的趋势，对椒盐噪声基本无能为力。中值滤波的优点是可以很好的过滤掉椒盐噪声，缺点是易造成图像的不连续性。在下面的代码中，中值滤波主要通过冒泡算法来实现。
含有椒盐噪声的lena彩色图像：
均值滤波的效果如下，可以看出，椒盐噪声被处理成了小的气泡，同时图像变模糊：
中值滤波的效果如下，可以看到，几乎完全去除了椒盐噪声。
含有椒盐噪声的lena彩色图像：
均值滤波的效果如下，可以看出，椒盐噪声被处理成了小的气泡，同时图像变模糊：
中值滤波的效果如下，可以看到，几乎完全去除了椒盐噪声。
package p01;
import java.awt.*;
import java.awt.event.*;
import java.awt.image.*;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
import javax.swing.*;
public class colorfilter extends Frame{
Image im, tmp;
int i, iw, ih;
int[] pixels;
boolean flag_load = false;
public colorfilter(){
this.setTitle("彩色图像均值中值滤波3*3");
Panel pdown;
Button load, mean, median, save, quit;
addWindowListener(new WindowAdapter(){
public void windowClosing(WindowEvent e){
System.exit(0);
}
});
pdown = new Panel();
pdown.setBackground(Color.lightGray);
//定义按钮
load = new Button("装载图像");
mean = new Button("均值滤波3*3");
median = new Button("中值滤波3*3");
save = new Button("保存");
quit = new Button("退出");
this.add(pdown, BorderLayout.SOUTH);
//添加按钮
pdown.add(load);
pdown.add(mean);
pdown.add(median);
pdown.add(save);
pdown.add(quit);
//按钮的动作程序 装载图像
load.addActionListener(new ActionListener(){
public void actionPerformed(ActionEvent e){
try {
jLoad_ActionPerformed(e);
} catch (IOException e1) {
e1.printStackTrace();
}
}
});
//按钮的动作程序 均值滤波
mean.addActionListener(new ActionListener(){
public void actionPerformed(ActionEvent e){
jMean_ActionPerformed(e);
}
});
//按钮的动作程序 中值滤波
median.addActionListener(new ActionListener(){
public void actionPerformed(ActionEvent e){
jMedian_ActionPerformed(e);
}
});
//按钮的动作程序 保存
save.addActionListener(new ActionListener(){
public void actionPerformed(ActionEvent e){
try {
jSave_ActionPerformed(e);
} catch (IOException e1) {
e1.printStackTrace();
}
}
});
//按钮的动作程序 退出
quit.addActionListener(new ActionListener(){
public void actionPerformed(ActionEvent e){
jQuit_ActionPerformed(e);
}
});
}
//按钮动作的实现 加载图像
public void jLoad_ActionPerformed(ActionEvent e) throws IOException{
File inputFile = new File("E:\\f2\\sc\\lena_zaosheng08.jpg");
BufferedImage input = ImageIO.read(inputFile);
iw = input.getWidth(this);
ih = input.getHeight(this);
pixels = new int[iw*ih];
im = input;
tmp = input;
flag_load = true;
repaint();
}
//按钮动作的实现 均值滤波
public void jMean_ActionPerformed(ActionEvent e) {
if(flag_load){
try{
PixelGrabber pg = new PixelGrabber(im,0,0,iw,ih,pixels,0,iw);
pg.grabPixels();
}catch(InterruptedException e3){
e3.printStackTrace();
}
BufferedImage grayImage = new BufferedImage(iw, ih,
BufferedImage.TYPE_INT_RGB);
ColorModel cm = ColorModel.getRGBdefault();
for(int i=1;i<ih-1;i++){
for(int j=1;j<iw-1;j++){
int red1 = cm.getRed(pixels[(i-1)*iw+j-1]);
int red2 = cm.getRed(pixels[(i-1)*iw+j]);
int red3 = cm.getRed(pixels[(i-1)*iw+j+1]);
int red4 = cm.getRed(pixels[i*iw+j-1]);
int red6 = cm.getRed(pixels[i*iw+j+1]);
int red7 = cm.getRed(pixels[(i+1)*iw+j-1]);
int red8 = cm.getRed(pixels[(i+1)*iw+j]);
int red9 = cm.getRed(pixels[(i+1)*iw+j+1]);
int meanRed = (red1+red2+red3+red4+red6+red7+red8+red9)/8;
int green1 = cm.getGreen(pixels[(i-1)*iw+j-1]);
int green2 = cm.getGreen(pixels[(i-1)*iw+j]);
int green3 = cm.getGreen(pixels[(i-1)*iw+j+1]);
int green4 = cm.getGreen(pixels[i*iw+j-1]);
int green6 = cm.getGreen(pixels[i*iw+j+1]);
int green7 = cm.getGreen(pixels[(i+1)*iw+j-1]);
int green8 = cm.getGreen(pixels[(i+1)*iw+j]);
int green9 = cm.getGreen(pixels[(i+1)*iw+j+1]);
int meanGreen = (green1+green2+green3+green4+green6+green7+green8+green9)/8;
int blue1 = cm.getBlue(pixels[(i-1)*iw+j-1]);
int blue2 = cm.getBlue(pixels[(i-1)*iw+j]);
int blue3 = cm.getBlue(pixels[(i-1)*iw+j+1]);
int blue4 = cm.getBlue(pixels[i*iw+j-1]);
int blue6 = cm.getBlue(pixels[i*iw+j+1]);
int blue7 = cm.getBlue(pixels[(i+1)*iw+j-1]);
int blue8 = cm.getBlue(pixels[(i+1)*iw+j]);
int blue9 = cm.getBlue(pixels[(i+1)*iw+j+1]);
int meanBlue = (blue1+blue2+blue3+blue4+blue6+blue7+blue8+blue9)/8;
int rgb = 255<<24|meanRed<<16|meanGreen<<8|meanBlue;
grayImage.setRGB(j, i, rgb);
}
}
tmp = grayImage;
repaint();
}else{
JOptionPane.showMessageDialog(null, "先点击“装载图像”，3Q！","提示：",
JOptionPane.WARNING_MESSAGE);
}
}
//按钮动作的实现 中值滤波
public void jMedian_ActionPerformed(ActionEvent e) {
if(flag_load){
try{
PixelGrabber pg = new PixelGrabber(im,0,0,iw,ih,pixels,0,iw);
pg.grabPixels();
}catch(InterruptedException e3){
e3.printStackTrace();
}
BufferedImage grayImage = new BufferedImage(iw, ih,
BufferedImage.TYPE_INT_RGB);
ColorModel cm = ColorModel.getRGBdefault();
int[] tpRed = new int[9];
int[] tpGreen = new int[9];
int[] tpBlue = new int[9];
for(int i=1;i<ih-1;i++){
for(int j=1;j<iw-1;j++){
tpRed[0] = cm.getRed(pixels[(i-1)*iw+j-1]);
tpRed[1] = cm.getRed(pixels[(i-1)*iw+j]);
tpRed[2] = cm.getRed(pixels[(i-1)*iw+j+1]);
tpRed[3] = cm.getRed(pixels[i*iw+j-1]);
tpRed[4] = cm.getRed(pixels[i*iw+j]);
tpRed[5] = cm.getRed(pixels[i*iw+j+1]);
tpRed[6] = cm.getRed(pixels[(i+1)*iw+j-1]);
tpRed[7] = cm.getRed(pixels[(i+1)*iw+j]);
tpRed[8] = cm.getRed(pixels[(i+1)*iw+j+1]);
for(int rj=0; rj<8; rj++){
for(int ri=0; ri<8-rj; ri++){
if(tpRed[ri]>tpRed[ri+1]){
int Red_Temp = tpRed[ri];
tpRed[ri] = tpRed[ri+1];
tpRed[ri+1] = Red_Temp;
}
}
}
int medianRed = tpRed[4];
tpGreen[0] = cm.getGreen(pixels[(i-1)*iw+j-1]);
tpGreen[1] = cm.getGreen(pixels[(i-1)*iw+j]);
tpGreen[2] = cm.getGreen(pixels[(i-1)*iw+j+1]);
tpGreen[3] = cm.getGreen(pixels[i*iw+j-1]);
tpGreen[4] = cm.getGreen(pixels[i*iw+j]);
tpGreen[5] = cm.getGreen(pixels[i*iw+j+1]);
tpGreen[6] = cm.getGreen(pixels[(i+1)*iw+j-1]);
tpGreen[7] = cm.getGreen(pixels[(i+1)*iw+j]);
tpGreen[8] = cm.getGreen(pixels[(i+1)*iw+j+1]);
for(int rj=0; rj<8; rj++){
for(int ri=0; ri<8-rj; ri++){
if(tpGreen[ri]>tpGreen[ri+1]){
int Green_Temp = tpGreen[ri];
tpGreen[ri] = tpGreen[ri+1];
tpGreen[ri+1] = Green_Temp;
}
}
}
int medianGreen = tpGreen[4];
tpBlue[0] = cm.getBlue(pixels[(i-1)*iw+j-1]);
tpBlue[1] = cm.getBlue(pixels[(i-1)*iw+j]);
tpBlue[2] = cm.getBlue(pixels[(i-1)*iw+j+1]);
tpBlue[3] = cm.getBlue(pixels[i*iw+j-1]);
tpBlue[4] = cm.getBlue(pixels[i*iw+j]);
tpBlue[5] = cm.getBlue(pixels[i*iw+j+1]);
tpBlue[6] = cm.getBlue(pixels[(i+1)*iw+j-1]);
tpBlue[7] = cm.getBlue(pixels[(i+1)*iw+j]);
tpBlue[8] = cm.getBlue(pixels[(i+1)*iw+j+1]);
for(int rj=0; rj<8; rj++){
for(int ri=0; ri<8-rj; ri++){
if(tpBlue[ri]>tpBlue[ri+1]){
int Blue_Temp = tpBlue[ri];
tpBlue[ri] = tpBlue[ri+1];
tpBlue[ri+1] = Blue_Temp;
}
}
}
int medianBlue = tpBlue[4];
int rgb = 255<<24|medianRed<<16|medianGreen<<8|medianBlue;
grayImage.setRGB(j, i, rgb);
}
}
tmp = grayImage;
repaint();
}else{
JOptionPane.showMessageDialog(null, "先点击“装载图像”，3Q！","提示：",
JOptionPane.WARNING_MESSAGE);
}
}
//按钮动作的实现 save
public void jSave_ActionPerformed(ActionEvent e) throws IOException{
if(flag_load){
BufferedImage bi = new BufferedImage(tmp.getWidth(null),tmp.getHeight(null),
BufferedImage.TYPE_INT_RGB);
Graphics g = bi.getGraphics();
g.drawImage(tmp,0, 0,null);
g.dispose();
File save_path=new File("E:\\f2\\sc\\save.jpg");
ImageIO.write(bi, "JPG", save_path);
}else{
JOptionPane.showMessageDialog(null, "先点击“装载图像”，3Q！","提示：",
JOptionPane.WARNING_MESSAGE);
}
}
//按钮动作的实现 退出
public void jQuit_ActionPerformed(ActionEvent e){
System.exit(0);
}
//绘图函数
public void paint(Graphics g){
if(flag_load){
g.drawImage(tmp,50,50,this);
}else{}
}
public static void main(String[] args) {
colorfilter ti = new colorfilter();
ti.setSize(1000,860);
ti.setVisible(true);
}
}
分享到：
发表评论
相关推荐
在MATLAB中，我们可以利用内置函数实现均值滤波和中值滤波。这两种滤波方法各有特点，广泛应用于不同场景。下面我们将详细介绍这两种滤波方法以及它们在MATLAB中的实现。 **1. 均值滤波** 均值滤波是一种线性滤波...
本文件包提供了两种基本的滤波方法的MATLAB实现：均值滤波和中值滤波。这两种滤波器在图像处理中扮演着重要的角色，各有其独特优势和应用场景。 1. **均值滤波**： 均值滤波是一种线性滤波方法，它通过在图像上...
用于对图像的均值滤波或中值滤波处理比较的MATLAB代码
在给定的压缩包文件中，重点展示了两种基本的滤波方法：均值滤波和中值滤波，这些都是使用Matlab编程环境实现的。Matlab作为强大的科学计算工具，提供了丰富的图像处理函数和便利的编程接口，使得这些滤波算法的实现...
在给定的标题“均值滤波_均值滤波_中值滤波_”和描述“matlab实现均值滤波，中值滤波，同时操作”中，我们关注的焦点是两种基本的滤波方法：均值滤波和中值滤波。MATLAB作为一种强大的数值计算和编程环境，被广泛...
均值滤波和中值滤波是两种基本的滤波方法，各有其特点和应用场景。以下是对这两种滤波方法的详细介绍。 **1. 均值滤波** 均值滤波是最简单的线性滤波器，它通过计算像素邻域内所有像素的平均值来替换中心像素的值...
均值滤波和中值滤波是两种常用的图像去噪算法，这两种算法都可以在MATLAB中实现。 均值滤波 均值滤波是一种简单的图像去噪算法，其思想是将图像分割成小块，然后对每个小块计算其灰度均值，最后将这些均值组合起来...
在本文中，我们将深入探讨基于VC++实现的均值滤波和中值滤波程序，以及如何使用PHOTOSHOP创建美观的MFC界面。这些技术在数字图像处理领域至关重要，帮助去除噪声并改善图像质量。 均值滤波是一种常用的线性滤波方法...
"均值滤波和中值滤波" 均值滤波和中值滤波是图像处理中常用的滤波方法，用于去除图像中的噪声，恢复原始图像，提高图像质量。下面对均值滤波和中值滤波进行详细的知识点介绍。 均值滤波 均值滤波是典型的线性滤波...
自己选择标准图像，对比验证均值和中值滤波的效果，通过SNR\PSNR\SSIM三个参数以图表形式给出对比结果。
本课程设计是基于一维信号被噪声信号污染后，分别经过均值滤波和中值滤波处理后，提取出原始信号，并且观看不同M值时滤波后波形的比较。均值滤波和中值滤波在数字信号处理中都是非常重要的滤波器，具有广泛的应用。
均值滤波和中值滤波的内容非常基础，均值滤波相当于低通滤波，有将图像模糊化的趋势，对椒盐噪声基本无能为力。中值滤波的优点是可以很好的过滤掉椒盐噪声，缺点是易造成图像的不连续性。
在MATLAB中，我们可以利用内置函数或者自定义脚本来实现高斯滤波、中值滤波和均值滤波。这里我们将深入探讨这三个概念以及如何在MATLAB中实现它们。 1. 高斯滤波： 高斯滤波是一种线性平滑滤波，适用于消除高斯噪声...
利用DnCNN模型-基于深度卷积神经网络的图像去噪算法（实现了四种传统的图像去噪算法（均值滤波、中值滤波、非局部均值滤波等）本资源中的源码都是经过本地编译过可运行的，评审分达到95分以上。资源项目的难度比较...
MatLab 自编的 均值滤波、中值滤波、高斯滤波 图像处理函数 MatLab 是一个功能强大的数值...实验结果表明，自编的均值滤波、中值滤波、高斯滤波函数可以有效地去除噪声和模糊图像，并且与系统预定义函数的结果相似。
从实验结果可以看到，均值滤波和中值滤波都可以有效地去除噪声，但中值滤波对椒盐噪声的去除效果更好。 结论 本文介绍了均值滤波和中值滤波这两种常见的图像去噪技术，并使用Matlab语言实现了相关的去噪处理。实验...
用高斯滤波、均值滤波、中值滤波，双边滤波滤波进行去噪处理，这四种滤波是在添加高斯噪声的基础上，分别得到信噪比，通过对比信噪比值，最终得到那种方式处理效果最好。并且源码可以在不同的卷积核滤波器大小、添加...
本文主要讨论了两种常见的滤波技术——均值滤波和中值滤波，以及自适应中值滤波的应用。均值滤波是一种线性滤波方法，通过计算图像中目标像素周围像素的平均值来替代原像素值，从而实现噪声的平滑效果。这种滤波方式...
本文将深入探讨两种常见的噪声滤波技术：中值滤波（Median Filtering）和均值滤波（Average Filtering），并比较它们在不同噪声环境下的去噪效果。 中值滤波是一种非线性滤波方法，其基本思想是用窗口内像素值的...
去噪算法基于MATLAB的传统图像去噪算法（均值滤波、中值滤波、非局部均值滤波NLM、三维块匹配滤波BM3D）源代码+文档说明，代码注释拉满，满分大作业资源，新手也可看懂，期末大作业、课程设计、高分必看，下载下来，...