说明
平均滤波
均值滤波是典型的线性滤波算法，在图像上对对象像素提供模板，包括其周围的相邻像素(以对象像素为中心的周围像素)构成滤波器模板，去除对象像素本身，将原始像素值除以模板中所有像素的
平均滤波也称为线性滤波，主要方法是邻域平均法。 线性滤波的基本原理是用平均值代替原图像中的各像素值。 即，对处理对象的当前像素点(x，y )选择由其附近的多个像素构成的模板，求出模板中所有像素的平均值，对当前像素点(x，y )赋予该平均值，处理后图像在该点中的灰度g )
平均滤波介绍
滤波是对信号中特定频带的频率进行滤波的操作，是从包括干扰信号的接收信号中提取有用的信号的技术。
均值滤波是典型的线性滤波算法，在图像上对对象像素提供模板，由以其周围的邻近像素(例如，(像素)模板)为中心的周边像素构成去除对象像素本身的滤波器模板
平均滤镜效果：通过平滑线性滤镜来减少图像的“锐化”变化。 典型的随机噪声为灰度级的快速变化，因此一般平滑处理的应用是降低噪声。 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”是指与滤波器模板的尺寸相比较小的像素区域。 然而，由于图像的边缘也是图像灰度尖锐变化带来的特性，平均滤波具有边缘模糊的负面效果。
平均过滤算法的实现(c语言) )
//junzhilvbo.cpp :定义控制台APP应用程序的入口点。
//
#include “stdafx.h”
#include “stdlib.h”
#include “string.h”
#define DATA_X //数字图像水平像素数
#define DATA_Y //数字图像垂直像素数
void openfile (const char * cfile path，intnoriginaldata [ data _ y ] [ data _ x ] ) ) ) )。
{
printf (“正在获取数据。 n "；
FILE *fp
FP=fopen(cfilepath，“r”)；
if (空值==FP ) )。
{
printf(「openfilefailed！ n "；
返回；
}
unsigned char * pdata=(unsigned char * ) malloc ) sizeof(unsignedchar ) ) *DATA_X*DATA_Y；
if(null==pdata ) )。
{
printf(「memorymallocfailed！ n "；
返回；
}
fread(pdata，sizeof(unsignedchar ) *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；
flose(FP )；
返回；
}
void save file (const char * cfile path，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 (空值==FP ) )。
{
printf(「openfilefailed！ n "；
返回；
}
for(count_y=； count_y《DATA_Y； count_y )
{
for(count_x=； count_x《DATA_X； count_x )
{
write (n result data [ count _ y ] [ count _ x ]、、fp )；
}
}
flose(FP )；
printf (“文件保存成功！ n "；
返回；
}
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阅读更多精彩内容
点击阅读全文