中值滤波在图像去噪点中的应用

这篇文章用到的中值滤波的算法如下：

      首先确定一个windowSize*windowSize大小的窗口，这里的windowSize是一个奇数，因此这个窗口一定会有一个中心的像素，中值滤波的过程就是不断的移动这个窗口，然后对窗口内的所有像素的像素值按照灰度级来排序，最后把排序后中间那个像素的灰度级赋值给窗口中心那个像素。这个就是中值滤波的意义。

      举个例子，例如是3*3的窗口（数字表示灰度级）：

      122 34  100

      20   18  201

      128 79  25

      排序后，就成了18，20，25，34，79，100，122，128，201，可以看到79就是中间那个数，因此这个3*3的窗口就变成了如下：

      122 34  100

      20   79  201

      128 79  25

      这个就是中值滤波的基本思想。

 

      说了这么多，贴代码吧：

windowSize = 3;

//windowSize是指窗口的长度。
v = (char *)calloc(windowSize*windowSize,sizeof(char));
//v存储的是窗口内所有像素的灰度级。

for(i=(windowSize-1)/2;i<height-(windowSize-1)/2;i++){
   for(j=(windowSize-1)/2;j<width-(windowSize-1)/2;j++){  

//这个嵌套的for循环是为了让窗口在整个如想nei进行移动，i和j就是这个窗口的中心像素在整幅图像中坐标位置
      k=0;
      for(l=0;l<windowSize;l++){
         for(m=0;m<windowSize;m++){
            v[k]=h[i-(windowSize-1)/2+l][j-(windowSize-1)/2+m];
            k++;
         }
      }  

//这个嵌套的for循环式获取这个窗口内的所有像素的灰度级，存储在v中
      BubbleSort(v,windowSize*windowSize);

//对v内的元素进行排序
      h[i][j]=v[windowSize*windowSize/2];

//把排序后中间的那个数赋值给窗口的中心像素。
   }
}

 

效果图（因为图像很小，所以窗口大小我设置成了3）：

处理之后的图像：

 

      在over前需要说的是这篇文章讲的中值滤波仅仅是最基础的思想，在进行滤波的时候可以加一些判断，来决定是否赋值，怎样赋值，等等。就说这么多吧。over。