均值滤波和均值滤波算法程序
扫描二维码
随时随地手机看文章
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&TImes;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。。。。。。 ”）;
FILE *fp ;
fp = fopen（cFilePath ， “r”）;
if（NULL == fp）
{
printf（“open file failed！ ”）;
return ;
}
unsigned char *pData = （unsigned char *）malloc（sizeof（unsigned char）*DATA_X*DATA_Y）;
if（NULL == pData）
{
printf（“memory malloc failed！ ”）;
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。。。。。。 ”）;
int count_x，count_y;
FILE *fp ;
fp = fopen（cFilePath ， “w”）;
if（NULL == fp）
{
printf（“open file failed！ ”）;
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！ ”）;
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。。。。。。 ”）;
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！ ”）;
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：
下载文档
