高斯滤波核计算 C版

#include <stdio.h>
#include <memory.h>
#include <stdlib.h>
#include <math.h>

const double eps=1e-6;

// 高斯函数
double guassian(double x,double sigma)
{
    return exp(-(x*x)/(2*sigma*sigma+eps));
}

// 计算高斯核
void guassiankernel(double* kernel,int size, double sigma)
{
    double sum=0;
    double* data=kernel;
    int i;
    for(i=0;i<size;++i)
    {
        double index=(size>>1)-i;
        if(size&1) // size为奇数
        {
            *(data+i)=guassian(index,sigma);
        }
        else // size为偶数
        {
            index-=0.5;
            *(data+i)=guassian(index,sigma);
        }
        sum+=*(data+i);
    }
    // 归一化
    for(i=0;i<size;++i)
    {
            *(data+i)/=sum;
    }
}

void matproduct(double a[],double b[],double c[],int m,int n,int p)
{
    int i,j,k;
    for(i=0;i<m;++i)
    {
        for(j=0;j<p;++j)
        {
            double sum=0;
            for(k=0;k<n;++k)
            {
                sum+=a[i*n+k]*b[k*p+j];
            }
            c[i*p+j]=sum;
        }
    }
}

void matshow(double a[],int m,int n)
{
    int i,j;
    for(i=0;i<m;++i)
    {
        for(j=0;j<n;++j)
        {
            printf("%lf\t",a[i*n+j]);
        }
        printf("\n");;
    }
}

// 计算二维高斯核
void guassiankernel2d(double* kernel,int sizeX,int sizeY,double sigmaX,double sigmaY)
{
    double *matX=(double *)malloc(sizeX*sizeof(double));
    double *matY=(double *)malloc(sizeY*sizeof(double));
    guassiankernel(matX,sizeX,sigmaX);
    guassiankernel(matY,sizeY,sigmaY);
    matproduct(matX,matY,kernel,sizeX,1,sizeY);
    free(matX);
    free(matY);
}

int main()
{
    int sizeX=3;
    int sizeY=3;
    double *kernel=(double *)malloc(sizeX*sizeY*sizeof(double));
    guassiankernel2d(kernel,sizeX,sizeY,1,1);
    matshow(kernel,sizeX,sizeY);
    free(kernel);
    return 0;
}

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在单片机的C语言中实现高斯滤波可以通过以下步骤: 1. 定义高斯:根据需要选择合适的高斯大小和标准差。高斯是一个二维矩阵,用于计算滤波器的权重。 2. 加载图像数据:将需要进行滤波的图像数据加载到单片机的内存中。 3. 遍历图像像素:对于每个像素,计算其周围像素的加权平均值,权重由高斯决定。 4. 滤波计算:使用高斯计算像素的加权平均值。可以使用多种方法,如卷积运算或逐像素计算。 5. 输出结果:将滤波后的结果保存到内存中或通过外设输出。 以下是一个简单的示例代码,用于在单片机上实现高斯滤波: ```c #include <stdio.h> #include <math.h> // 定义高斯大小和标准差 #define KERNEL_SIZE 3 #define SIGMA 1.0 // 高斯 const float kernel[KERNEL_SIZE][KERNEL_SIZE] = { {0.0625, 0.125, 0.0625}, {0.125, 0.25, 0.125}, {0.0625, 0.125, 0.0625} }; // 图像数据 const unsigned char image[8][8] = { { 10, 20, 30, 40, 50, 60, 70, 80 }, { 15, 25, 35, 45, 55, 65, 75, 85 }, { 20, 30, 40, 50, 60, 70, 80, 90 }, { 25, 35, 45, 55, 65, 75, 85, 95 }, { 30, 40, 50, 60, 70, 80, 90, 100 }, { 35, 45, 55, 65, 75, 85, 95, 105 }, { 40, 50, 60, 70, 80, 90, 100, 110 }, { 45, 55, 65, 75, 85, 95, 105,115 } }; // 高斯滤波函数 void gaussianFilter(const unsigned char input[][8], unsigned char output[][8]) { int i,,m,n; float sum; // 遍历图像像素 for(i=0; i<8; i++) { for(j=0; j<8; j++) { sum = 0.0; // 计算加权平均值 for(m=0; m<KERNEL_SIZE; m++) { for(n=0; n<KERNEL_SIZE; n++) { // 边界处理 int x = i + m - KERNEL_SIZE/2; int y = j + n - KERNEL_SIZE/2; if (x < 0) x = 0; if (x >= 8) x = 7; if (y < 0) y = 0; if (y >= 8) y = 7; sum += input[x][y] * kernel[m][n]; } } // 保存滤波结果 output[i][j] = (unsigned char)sum; } } } int main() { unsigned char filteredImage[8][8]; // 执行高斯滤波 gaussianFilter(image, filteredImage); // 打印滤波结果 int i,j; for(i=0; i<8; i++) { for(j=0; j<8; j++) { printf("%d ", filteredImage[i][j]); } printf("\n"); } return 0; } ``` 注意:上述代码只是一个简单的示例,并未考虑性能和边界处理等问题。实际应用中,可能需要对代码进行优化和改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值