图像处理代码编写二：基于C++的中值滤波代码编写

中值滤波原理及应用

中值滤波器是统计排序滤波器的一种，是一种非线性空间滤波器。中值滤波器是通过其像素邻域内像素排序为基础，然后用这些像素排序后的中值作为该像素点新的像素值，若邻域中有一些像素值相同时，所有相等的值都可作为中值。假如3×3邻域有一系列像素值（12，54，66，5，10，20，70，20，18），排序后为（5，10，12，18，20，20，54，66，70），那么中值就是20。
中值滤波器最有效的就是处理椒盐噪声的能力，但是不适合处理点和线太多的图像。

代码如下：

#include <opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
void select_sort(vector<uchar>&arr)//选择排序
{
	
	for (int i = 0; i < arr.size(); i++)
	{
		int k = i;
		for (int j = i + 1; j < arr.size(); j++)
		{
			if (arr[k] > arr[j])
			{
				k = j;
			}
		}
		if (k != i)
		{
			swap(arr[k], arr[i]);
		}
	}
}
void mymedianblur(const Mat&src, Mat&dst, Size ksize)//中值滤波
{
	//若模板不是奇数模板，则报错退出
	if (ksize.width % 2 == 0 || ksize.height % 2 == 0)
	{
		cout << "please input odd ksize!" << endl;
		exit(-1);
	}
	//根据ksize大小扩充模板边界
	int awidth = (ksize.width - 1) / 2;
	int aheight = (ksize.height - 1) / 2;
	Mat asrc;
	copyMakeBorder(src, asrc, aheight, aheight, awidth, awidth, BORDER_DEFAULT);
	//根据图像通道数遍历图像求均值
	//通道数为1
	if (src.channels() == 1)
	{
		for (int i = aheight; i < src.rows + aheight; i++)
		{
			for (int j = awidth; j < src.cols + awidth; j++)
			{
				vector<uchar> arr;
				for (int k = i - aheight; k <= i + aheight; k++)
				{
					for (int l = j - awidth; l <= j + awidth; l++)
					{
						arr.push_back(asrc.at<uchar>(k, l));
					}
				}
				select_sort(arr);//选择排序
				dst.at<uchar>(i - aheight, j - awidth)= arr[(ksize.area() - 1) / 2];//将中值映射到输出图像
			}
		}
	}
	//通道数为3	

	if (src.channels() == 3)
	{
		for (int i = aheight; i < src.rows + aheight; i++)
		{
			for (int j = awidth; j < src.cols + awidth; j++)
			{
				vector<vector<uchar>> arr(3);
				for (int k = i - aheight; k <= i + aheight; k++)
				{
					for (int l = j - awidth; l <= j + awidth; l++)
					{
						arr[0].push_back(asrc.at<Vec3b>(k, l)[0]);
						arr[1].push_back(asrc.at<Vec3b>(k, l)[1]);
						arr[2].push_back(asrc.at<Vec3b>(k, l)[2]);
					}
				}
				for (int m = 0; m < 3; m++)
				{
					select_sort(arr[m]);//选择排序
					dst.at<Vec3b>(i - aheight, j - awidth)[m] = arr[m][(ksize.area() - 1) / 2];//将中值映射到输出图像
				}
			}
		}
	}
}
int main()
{
	Mat src = imread("C:/Users/msi-/Desktop/picture/20190130005650499.png",0);
	Mat dst;
	dst = Mat::zeros(src.size(), src.type());
	imshow("椒盐图片", src);
	mymedianblur(src, dst, Size(5, 5));
	imshow("滤波处理后的椒盐图片", dst);
	waitKey(0);
	return 0;
}

初始图片：

滤波后图片：