描述
均值滤波
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g(x，y)，即g(x，y)=/m ∑f(x，y) m为该模板中包含当前像素在内的像素总个数。
均值滤波介绍
滤波是滤波是将信号中特定波段频率滤除的操作，是从含有干扰的接收信号中提取有用信号的一种技术。
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(如×模板：以目标象素为中心的周围个象素，构成一个滤波模板，即去掉目标象素本身)，再用模板中的全体像素的平均值来代替原来像素值。
均值滤波效果：平滑线性滤波处理降低了图像的“尖锐”变化。由于典型的随机噪声由灰度级的急剧变化组成，因此常见的平滑处理的应用就是降低噪声。均值滤波器的主要应用是去除图像中的不相关细节，其中“不相关”是指与滤波器模板尺寸相比较小的像素区域。然而，由于图像的边缘也是由图像灰度的尖锐变化带来的特性，所以均值滤波处理还是存在着边缘模糊的负面效应。
均值滤波算法实现(C语言)
// junzhilvbo.cpp ： 定义控制台应用程序的入口点。
//
#include “stdafx.h”
#include “stdlib.h”
#include “string.h”
#define DATA_X //数字图像水平像素个数
#define DATA_Y //数字图像竖直像素个数
void OpenFile(const char *cFilePath ， int nOriginalData［DATA_Y］［DATA_X］)
{
printf(“正在获取数据。。。。。。\n”);
FILE *fp ;
fp = fopen(cFilePath ， “r”);
if(NULL == fp)
{
printf(“open file failed！ \n”);
return ;
}
unsigned char *pData = (unsigned char *)malloc(sizeof(unsigned char)*DATA_X*DATA_Y);
if(NULL == pData)
{
printf(“memory malloc failed！\n”);
return ;
}
fread(pData ， sizeof(unsigned char)*DATA_X*DATA_Y ， ， fp);
int count_x = ;
int count_y = ;
for(;count_y 《 DATA_Y ; count_y++)
{
for(; count_x 《 DATA_X ;count_x++)
{
nOriginalData［count_y］［count_x］ = pData［count_y*DATA_Y+count_x］;
}
}
free(pData);
fclose(fp);
return ;
}
void SaveFile(const char *cFilePath ， int nResultData［DATA_Y］［DATA_X］)
{
printf(“正在保存数据。。。。。。\n”);
int count_x，count_y;
FILE *fp ;
fp = fopen(cFilePath ， “w”);
if(NULL == fp)
{
printf(“open file failed！ \n”);
return ;
}
for(count_y=;count_y《DATA_Y;count_y++)
{
for(count_x=;count_x《DATA_X;count_x++)
{
fwrite(&nResultData［count_y］［count_x］，，，fp);
}
}
fclose(fp);
printf(“文件保存成功！ \n”);
return ;
}
bool JunZhiLvBo(const int nOriginalData［DATA_Y］［DATA_X］， int nResultData［DATA_Y］［DATA_X］)
{
printf(“正在进行均值滤波。。。。。。\n”);
int count_x ，count_y ;
/**模版滤波计算，不计算边缘像素*/
for(count_y = ; count_y 《 DATA_Y ; count_y++)
{
for(count_x = ; count_x 《 DATA_X ;count_x++)
{
nResultData［count_y］［count_x］ = (int)((nOriginalData［count_y-］［count_x-］+
nOriginalData［count_y-］［count_x］ +
nOriginalData［count_y-］［count_x+］+
nOriginalData［count_y］［count_x-］ +
nOriginalData［count_y］［count_x］ +
nOriginalData［count_y］［count_x+］ +
nOriginalData［count_y+］［count_x-］+
nOriginalData［count_y+］［count_x］ +
nOriginalData［count_y+］［count_x+］)/);
}
}
/*对四个边缘直接进行赋值处理*/
for(count_x=;count_x《DATA_X;count_x++) //水平边缘像素等于原来像素灰度值
{
nResultData［］［count_x］=nOriginalData［］［count_x］;
nResultData［DATA_Y-］［count_x］=nOriginalData［DATA_Y-］［count_x］;
}
for(count_y=;count_y《DATA_Y-;count_y++) //竖直边缘像素等于原来像素灰度值
{
nResultData［count_y］［］=nOriginalData［count_y］［］;
nResultData［count_y］［DATA_X-］=nOriginalData［count_y］［DATA_X-］;
}
return true ;
}
int _tmain(int argc， _TCHAR* argv［］)
{
int nOriginalData［DATA_Y］［DATA_X］; //保存原始图像灰度值
int nResultData［DATA_Y］［DATA_X］; //保存滤波后的灰度值
memset(nOriginalData，，sizeof(nOriginalData)); //初始化数组
memset(nResultData，，sizeof(nResultData));
char cOpenFilePath［］ = “Lena.raw”; //图像文件路径
OpenFile(cOpenFilePath，nOriginalData);
if(！JunZhiLvBo(nOriginalData，nResultData)) //滤波计算
{
printf(“操作失败！\n”);
return ;
}
char cSaveFilePath［］ = “Result.raw”; //文件保存路径
SaveFile(cSaveFilePath，nResultData);
return ;
}
均值滤波算法效果对比
均值滤波之前： 均值滤波之后：
打开APP精彩内容
点击阅读全文
