在十种经典软件滤波算法中,可以看到很多算法都是平均值滤波算法变种,事实上最常用的也还是平均值滤波算法。但传统的平均值滤波算法很占内存,每次运算都要求累加和,再求平均值,导致运算效率不高,并且实际中为满足不同的需要,我们需要一种简单、高效和功能强大的滤波算法。
设:采样值 C、累加器 S,平均值 A,采样次数 N
传统的平均值滤波算法:
S = C(1) + C(2) + ... + C(N)
A = S / N
需要用循环来计算累加和,比较耗时,C(1~N)是缓存,随采样数N增大,所需内存量也增大
向队列平均值算法推进:
S = C(1) + C(2) + ... + C(N) (第一次)
C(x) = C(x + 1) (队列前移)
C(N) = C
S = S - C(1) + C(N)
A = S / N
运算量有所改进(用指针维护循环队列,不实际移动数据),占用内存问题不变
简洁高效算法:
初始化:A=初始值,S=A*N
S = S - A + C
A = S / N
就这么简单,三个变量(N可以是常数),只要 S 的量程足够,N可以任意调整。
可以看出,此算法是从队列平均值算法演变而来,因没有了队列,每次计算时不知道该丢弃的最老的一个采样值是多少,这里用了个替代的办法,丢弃上次计算出的平均值。去掉了缓存维护,节省内存空间,同时也将运算量压缩到了最小,执行效率非常高。调试时容易修改采样数。
在该基础上,我们再演变出一种带死区和限幅控制的队列平均值实用算法:
① 主滤波程序 AveFilter