C语言数字图像处理（一）：均值滤波和中值滤波

已于 2023-11-30 12:38:06 修改
阅读量899 收藏 16
点赞数 3
分类专栏： C语言数字图像处理 文章标签： 均值算法 图像处理 c语言
于 2023-11-16 01:00:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Wilson_Lin_01/article/details/134411387
版权

0. 完整仓库 & 教程：

这一章节的完整代码在：Chapter 1: Average Filter and Median Filter​​​​​​​​​​​​​​

如果你喜欢这个系列的文章或者感觉对你有帮助，请给我的仓库一个⭐️。

​​​​​​​

1. 均值滤波器

算法：

输入：用于存储源图像数据的unsigned char数组。

输出：用于存储输出图像数据的unsigned char数组。

除了边缘的像素外，图片中的每个像素都被8个像素包围。均值滤波通过取这9个像素的平均值（包括中心）来重新计算每个像素的值。

图像和结果对比࿰
最低0.47元/天 解锁文章
Wilson_ZheLIN
关注
  • 3
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
C++数字图像处理（4）—均值滤波
图像大师
07-17 1万+
1、算法原理 在数字图像处理中，滤波是一个很重要的操作，许多算法其本质都是滤波操作。使用白话的形式对滤波定义：对于一个像素点，使用其领域像素（可以包含自身，也可不包含）的相关特性，计算出一个值，代替当前像素值。举个例子，3X3均值滤波，就是计算每个像素对应的3X3领域所有像素值的平均值，代替当前像素。滤波操作可分为线性滤波和非线性滤波两大种类，其中，常见的线性滤波操作有：均值滤波、高斯滤波、方差...
数字图像处理之均值滤波
ONEFPGA的博客
06-13 3258
假设A、B、C、D的积分值分别为I(A)、I(B)、I(C)、I(D)，那么蓝色区域的像素累加和可以按照下式计算： 将上述积分图计算矩形区域内像素和的原理应用于均值滤波中，可以大大简化运算。对于每一个像素点，其计算滤波值的计算量由原本的(2n+1)*(2n+1)次加法，简化为2次加法和1次减法。 使用积分图优化加速的均值滤波代码如下： void blur_mean_integral(Mat src, Mat &dst, int winsize) { if(winsize&1) { w
C语言简易均值滤波器
星沉地动
04-16 3488
均值滤波器就是取多个连续的数据，进行算术平均运算，得出输出数据； 为了简化运算，本文演示代码使用2的整数次幂进行算术平均运算，因为这种情况可以通过移位的方式来代替除法。 以下是滤波器定义的头文件： #ifndef __FILTER_H #define __FILTER_H struct filter { int buff[32]; //最大支持32级均值，可根据需要改为更大的值。...
数字图像处理实验（2）——中值滤波/均值滤波
qq_41650371的博客
04-07 5583
数字图像处理实验（2）——中值滤波 实验题目 编程实现灰度图像的中值滤波平滑处理。滤波模板的大小自定（可为3×3、5×5、7×7、15×15等）。实验图像可从提供的实验图像集中的噪声图像中选取。 思考题：（选做） 编程实现灰度图像的均值滤波平滑处理；也可尝试实现灰度图像的锐化处理，包括Sobel、Prewitt、Roberts、Laplace、Canny边缘检测等。 源码 均值滤波 // An h...
C语言写的简单均值滤波算法
05-29
C语言写的算法，实现了数字图像处理的均值滤波算法，比较简单，适合初学者。
均值滤波的C语言程序
12-14
均值滤波的C语言程序
中值滤波、均值滤波和高斯滤波代码 C语言
05-27
借鉴他人的资源进行集合和整理了一下，高斯滤波分为一维高斯滤波和二维高斯滤波，并且和OPENCV的高斯滤波的时间进行对比了一下，比OPENCV的要慢很多
中值滤波_均值滤波c语言实现_工程文件+源代码+程序文档+实验报告
06-04
北京交通大学数字图像处理用c语言实现中值滤波均值滤波，阮秋琦教授课程，计算机学院
C语言均值滤波器-数字图像处理
12-13
89行C语言实现图像均值滤波器，代码简练，注释详细 for(w=0;w<width;w++) for(l=0;l<length;l++) { fputc(result[w][l],fq); fputc(result[w][l],fq); fputc(result[w][l],fq); }
c语言均值滤波源程序
08-05
C语言 均值滤波C语言 均值滤波C语言 均值滤波C语言 均值滤波C语言 均值滤波
c语言对bmp图像中值均值滤波
10-22
使用c语言对bmp图像中值滤波以及均值滤波
图像处理-bmp图像均值滤波-C++
04-16
图像处理-读取bmp图像均值滤波-C++
均值、中值滤波C代码
08-16
图像去噪，里面包括了中值滤波、均值滤波、混合滤波等代码，还考虑到硬件便于实现，进行了字节对齐，效果不错的
中值滤波算法改进之C语言实现.rar_C语言中值滤波_图像中值滤波_均值滤波c语言_改进中值滤波_改进滤波
07-15
2. **C语言中值滤波实现**：C语言是一种通用的编程语言，常用于系统级编程和嵌入式开发，因此它是实现图像处理算法的理想选择。中值滤波的C语言实现通常涉及二维数组，通过遍历图像并应用中值滤波器的窗口操作，来...
junzhilvbo.rar_c++均值滤波_图像均值滤波_均值滤波_均值滤波 C_均值滤波 C++
09-20
均值滤波是一种常见的图像处理技术，用于去除图像噪声，特别是在低光照环境下或者传感器捕捉时引入的随机噪声。在C++编程环境下，可以利用VC6.0这样的开发工具来实现这个功能。本压缩包包含了一个C++实现的均值滤波...
图像的中值滤波和均值滤波
11-28
灰度图片加入噪声，分别用中值滤波和均值滤波来进行锐化，显示的图像可以清晰的查看两种滤波的效果区别。。
c语言均值滤波步骤,关于中值滤波算法，以及C语言实现
weixin_35916518的博客
05-18 2647
中值滤波是一种非线性的图像平滑方法，与均值滤波器以及其他线性滤波器相比，它能够很好地滤除脉冲噪声，同时又能够保护目标图像边缘。它是一种邻域运算，类似于卷积，但计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素值，中值滤波可定义为:式中:g(x，y)和f(x-i，y-i)分别为输出和输入像素灰度值，W为模板窗口。窗W可以取线状、方形、十字形、圆形、菱形等。中值滤...
C语言面向对象实现滑动均值滤波与平均值滤波_滑动滤波算法c语言实现
最新发布
2401_84973571的博客
05-15 863
平均值滤波算法是比较常用，也比较简单的滤波算法。在滤波时，将N个周期的采样值计算平均值，算法非常简单。当N取值较大时，滤波后的信号比较平滑，但是灵敏度差；相反N取值较小时，滤波平滑效果差，但灵敏度好。优点：算法简单，对周期性干扰有良好的抑制作用，平滑度高，适用于高频振动的系统。缺点：对异常信号的抑制作用差，无法消除脉冲干扰的影响。
高斯滤波C语言代码实现
04-19
高斯滤波是一种常用的图像处理方法，用于平滑图像并减少噪声。下面是一个简单的高斯滤波的C语言代码实现： ```c #include <stdio.h> #include <stdlib.h> #include <math.h> // 定义高斯函数 double gaussian(double x, double sigma) { return exp(-(x * x) / (2 * sigma * sigma)) / (sqrt(2 * M_PI) * sigma); } // 高斯滤波函数 void gaussianFilter(int** image, int width, int height, double sigma) { // 创建一个临时数组用于存储滤波后的图像 int** temp = (int**)malloc(height * sizeof(int*)); for (int i = 0; i < height; i++) { temp[i] = (int*)malloc(width * sizeof(int)); } // 定义高斯核 int kernelSize = 3; double kernel = { {1, 2, 1}, {2, 4, 2}, {1, 2, 1} }; // 对每个像素进行滤波 for (int y = 0; y < height; y++) { for (int x = 0; x < width; x++) { double sum = 0; double weightSum = 0; // 对每个邻域像素进行加权求和 for (int j = -kernelSize / 2; j <= kernelSize / 2; j++) { for (int i = -kernelSize / 2; i <= kernelSize / 2; i++) { int neighborX = x + i; int neighborY = y + j; // 边界处理 if (neighborX >= 0 && neighborX < width && neighborY >= 0 && neighborY < height) { double weight = kernel[j + kernelSize / 2][i + kernelSize / 2]; sum += image[neighborY][neighborX] * weight; weightSum += weight; } } } // 对滤波后的像素进行归一化处理 temp[y][x] = (int)(sum / weightSum); } } // 将滤波后的图像拷贝回原数组 for (int i = 0; i < height; i++) { for (int j = 0; j < width; j++) { image[i][j] = temp[i][j]; } } // 释放临时数组的内存 for (int i = 0; i < height; i++) { free(temp[i]); } free(temp); } int main() { // 假设原始图像是一个3x3的灰度图像 int width = 3; int height = 3; int** image = (int**)malloc(height * sizeof(int*)); for (int i = 0; i < height; i++) { image[i] = (int*)malloc(width * sizeof(int)); } // 初始化原始图像 image = 10; image = 20; image = 10; image = 20; image = 40; image = 20; image = 10; image = 20; image = 10; // 执行高斯滤波 double sigma = 1.0; gaussianFilter(image, width, height, sigma); // 输出滤波后的图像 for (int i = 0; i < height; i++) { for (int j = 0; j < width; j++) { printf("%d ", image[i][j]); } printf("\n"); } // 释放图像数组的内存 for (int i = 0; i < height; i++) { free(image[i]); } free(image); return 0; } ``` 这段代码实现了一个简单的高斯滤波，通过定义高斯核和对每个像素进行加权求和来实现平滑效果。你可以根据需要修改图像的大小、高斯核的大小和标准差来进行实验和调整。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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