图像处理技术之滤波去噪

在图像处理领域中，在真正的应用过程前，通常需要对图像进行预先处理，达到去除干扰项的目的。滤波去噪就是其中的一项图像预处理工作。

在.NET下常用OpenCV进行图像处理工作,常用的.NET下的OpenCV库有Emgu CV和OpenCVSharp。

** EmguCV**是.NET平台下对OpenCV图像处理库的封装,也就是.NET版的OpenCV。由于OpenCV是用C和C++编写的,Emgu用C#对其进行封装,允许用.Net语言来调用OpenCV函数,如C#、VB、VC++等。

OpenCvSharp ^ ^是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，有详细的使用样例供参考。。使用OpenCvSharp，可用C#，VB.NET等语言实现多种流行的图像处理(image processing)与计算机视觉(computer vision)算法。

一、 中值滤波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//实例化一个三通道的OPENCV的图像对象
Int k=3;//滤波核，奇数
 img =img.SmoothMedian(k);//按照指定的滤波核进行中值滤波
Bitmap bitmap= img.Bitmap;//输出Bitmap格式的结果

二、 高斯滤波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//实例化一个三通道的OPENCV的图像对象
Int k=3;//滤波核，奇数
img = img. SmoothGaussian (k);//按照指定的滤波核进行高斯滤波
Bitmap bitmap= img.Bitmap;//输出Bitmap格式的结果

三、 均值滤波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//实例化一个三通道的OPENCV的图像对象
Int k=3;//滤波核，奇数
img = img. SmoothBlur (k,k);//按照指定的滤波核进行均值滤波
Bitmap bitmap= img.Bitmap;//输出Bitmap格式的结果

四、 方框滤波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//实例化一个三通道的OPENCV的图像对象
Int k=3;//滤波核，奇数
CvInvoke.BoxFilter(img, img, DepthType.Default, new Size(k, k), new Point(-1, -1));//按照指定的滤波核进行方框滤波
Bitmap bitmap= img.Bitmap;//输出Bitmap格式的结果

五、 双边滤波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//实例化一个三通道的OPENCV的图像对象
Int k=3;//滤波核，奇数
CvInvoke.EdgePreservingFilter(img, img, EdgePreservingFilterFlag.NormconvFilter, k, 0.4f);;//按照指定的滤波核进行双边滤波
Bitmap bitmap= img.Bitmap;//输出Bitmap格式的结果

六、 非局部去噪

CvInvoke.FastNlMeansDenoising(img, img);

七、 彩色模糊

色彩聚类平滑滤波    用于区域分割
CvInvoke.PyrMeanShiftFiltering(img, img,5, 5, 2, newMCvTermCriteria(2));

八、 离散余弦变换DCT滤波

/// 

       ///离散余弦变换(Dct)滤波
/// 
        /// 图像加载到opencv的mat数据格式
        /// 
        public static Mat Dct(Mat mat)
        {
            if (mat.NumberOfChannels < 3)//单通道图像，即二值化图或者灰度图
            {
                if (mat.Size.Height % 2 != 0)//图像长宽需要为偶数，如果不是则进行扩边处理
                {
                    CvInvoke.CopyMakeBorder(mat, mat, 0, 1, 0, 0, BorderType.Constant);
                }
                if (mat.Size.Width % 2 != 0) //图像长宽需要为偶数，如果不是则进行扩边处理
                {
                    CvInvoke.CopyMakeBorder(mat, mat, 0, 0, 0, 1, BorderType.Constant);
                }
                Mat matdst = new Mat();
                Emgu.CV.XPhoto.XPhotoInvoke.DctDenoising(mat, matdst, 8);
                return matdst;
            }
            else
            {
                Mat[] Matbgr = mat.Split();//三通道图像，需要拆分三个独立的单通道进行处理，
                for (int i = 0; i < Matbgr.Length; i++)
                {
                    Matbgr[i] = Dct(Matbgr[i]);//按单通道处理
                }
                List<Mat> listmat = new List<Mat>();
                for (int i = 0; i < Matbgr.Length; i++)
                {
                    listmat.Add(Matbgr[i]);
                }
                VectorOfMat vm = new VectorOfMat(listmat.ToArray());//合并处理后的通道
                CvInvoke.Merge(vm, mat);
                return mat;
            }
        }

九、 阈值滤波

思路：

1. 图像转成灰度
2. 计算灰度平均值
3. 以灰度平均值作为临界点进行二值化处理
4. 轮廓检测
5. 遍历所有的轮廓，得到每个轮廓的矩形范围（一般就是每个噪声点的范围）
6. 判断每个矩形的长宽是否小于给定值，并用白色在原来的图像上进行填充，即把认为是噪点的范围用白色颜色填充
7. 返回处理后的图像

Image image = Image.FromFile("xx.jpg");
Int k=5;//滤波核,
  ImageByte> img = new Imagebyte>((Bitmap)image);
                ImageByte> gray = img.ConvertByte>();
                Gray average = gray.GetAverage();//平均值
                CvInvoke.Threshold(gray, gray, average.MCvScalar.V0 - average.MCvScalar.V0 * 0.2, 255, ThresholdType.Binary);//二值化


                using (VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint())
                {
                    CvInvoke.FindContours(gray, contours, gray, RetrType.List, ChainApproxMethod.ChainApproxSimple);
                    int count = contours.Size;
                    for (int i = 0; i < count; i++)
                    {
                        using (VectorOfPoint contour = contours[i])
                        using (VectorOfPoint approxContour = new VectorOfPoint())
                        {
                            Rectangle rec = CvInvoke.BoundingRectangle(contour);
                            if (rec.Width <= k && rec.Height <= k)
                            {
                                CvInvoke.Rectangle(img, rec, new MCvScalar(255, 255, 255), -1);
                            }
                        }
                    }
                }
                return img.Bitmap;