image - 如何使用 Octave 音阶和矩阵处理来平均多个图像以减少噪声？

Question

更新
这是我的代码，它将两个矩阵相加，并使用逐元素相加，然后除以2。

function [ finish ] = stackAndMeanImage (initFrame, finalFrame)

cd 'C:\Users\Disc-1119\Desktop\Internships\Tracking\Octave\highway\highway (6-13-2014 11-13-41 AM)';

pkg load image; 

i = initFrame;
f = finalFrame;

astr = num2str(i);

tmp = imread(astr, 'jpg');

d = f - i

for a = 1:d

        a

        astr = num2str(i + 1);

        read_tmp = imread(astr, 'jpg');

        read_tmp = rgb2gray(read_tmp);

        tmp = tmp  :+ read_tmp; 

        tmp = tmp / 2; 


end 

imwrite(tmp, 'meanimage.JPG');

finish = 'done';
end

下面是两个示例输入图像
http://imgur.com/5DR1ccS,AWBEI0d#1
这是一张输出图像
http://imgur.com/aX6b0kj
我真的很困惑到底发生了什么事。不过，我还没有落实其他答案所说的话。
旧版
我正在做一个图像处理项目，我现在手动选择“空”或只有背景的图像，这样我的算法可以计算出差异，然后再做一些分析，我有一个简单的代码，计算出两个图像的平均值，我已经将其转换成灰度矩阵，但这只起作用对于两幅图像，因为当我找到两幅图像的平均值，然后取这个平均值，然后找到这个平均值与下一幅图像的平均值，然后重复这样做，我最终得到的是一幅完全无用的被冲掉的白色图像。你什么都看不见。
我发现在Matlab中有一个叫做imFuse的函数可以对图像进行平均我想知道是否有人知道imFuse用于组合图像的过程，我很高兴将其实现为八度音阶，或者是否有人知道或已经编写了一段代码来实现类似的功能同样，我不是要求任何人为我编写代码，只是想知道这是什么过程，如果已经存在的功能已经存在，这是我研究之后没有发现的。
谢谢，
航空飞行器

Answer 1

你不应该以一个被淘汰的形象结束。取而代之的是，你应该得到一个图像，从技术上讲，这是暂时的低通滤波。这意味着一半的信息内容形成最后一幅图像，第二幅图像的四分之一，第三幅图像的八分之一，等等。
实际上，运动图像的效果类似于响应时间慢的显示器。
如果你以一个白色的形象结束，你就做错了NKJT对类型挑战的猜测很好。另一种可能是你在把两幅图像相加后忘记了用二除。
还有一件事如果对图像执行线性操作（例如平均），则图像强度比例应为线性。如果您只是使用rgb值或一些简单地从它们计算的灰度值，您可能会被图像的非线性所困扰。此属性称为gamma校正（不可否认，大多数图像处理程序都忽略了这个问题，因为它并不总是一个大挑战。）
当您的项目计算图像的差异时，您应该考虑到这一点我建议使用线性化的浮点值不幸的是，线性化取决于图像数据的来源。
另一方面，平均通常是减少噪音的最有效方法所以，假设图像足够相似，你就在正确的轨道上。
然而，在看过你的图片后，你似乎真的想做些别的事情而不是平均图像。如果我正确地理解你的意图，你想摆脱你的汽车在你的道路凸轮给你只是无车的背景，然后你可以从图像中减去得到汽车。
如果这是你想要做的，你应该考虑使用中值滤波器而不是平均值。这意味着以11个连续帧为例。对于每个像素，你有11个不同的值现在您可以对这些值进行排序，并将中间的（第6个）值作为背景像素值。
如果您的道路大部分时间是空的（至少6帧11），那么第6个样本将代表道路，而不考虑通过您的相机的汽车的颜色。
如果道路为空，则中值滤波的结果接近平均值（高斯白噪声的平均值比较好，但差别不大）但是你的平均值会受到白车或黑车的影响，而中值滤波则不受影响。
中值滤波的问题是它计算密集很抱歉，我说的是非常破烂和古老的八度音阶，所以我不能给你任何有用的代码。在Matlab或Pylab中，你可以将11个图像叠加到M×N×11阵列，然后沿着深度轴使用单个中值命令。（当我说密集型时，我不是说不能用你的数据实时完成它可以，但比平均值要复杂得多。）
如果你的车真的很多，在不到一半的时间里，你可以看到汽车后面的路。那么中位数的把戏就会失败。你将需要采取更多的样本，然后找到最典型的价值，因为它很可能是道路（除非所有汽车有相似的颜色）在那里，使用彩色图像会有很大帮助，因为汽车在RGB或HSV中看起来比在灰度中更不一样。
不幸的是，如果你需要求助于这种类型的处理，这条路有点滑而且崎岖平均数是非常容易和快速的，中位数是容易的（但不是那么快），但事情往往变得相当复杂。
我又想起了一个顺口溜。如果你想有一个滚动平均值，有一个非常简单有效的方法来计算它的任意长度（任意数量的平均帧）：

# N is the number of images to average
# P[i] are the input frames
# S is a sum accumulator (sum of N frames)

# calculate the sum of the first N frames
S <- 0
I <- 0
while I < N
    S <- S + P[I]
    I <- I + 1

# save_img() saves an averaged image
while there are images to process
    save_img(S / N)
    S <- -P[I-N] + S + P[I]
    I <- I + 1

当然，您可能会希望使用循环和“+=和-=运算符”，但这个想法仍然存在。对于每一帧，您只需要一个减法、一个加法和一个除以常数（在某些情况下，如果您赶时间的话，可以将其修改为乘法甚至按位移位）。