efficient median filtering及其实现

本文探讨了中值滤波的效率问题,并提出了一种利用直方图计算中值值和小于等于中值像素个数的方法,以提高滤波效率。通过对kernel内像素的更新策略,实现了快速的中值滤波过程。
摘要由CSDN通过智能技术生成

参考:桑卡,《图像处理分析与机器学习》

中值滤波每次都需要对kernel内的像素进行排序,效率较低。kernel每次向右移动时,最左一列消失,同时增加最右一列,所以可以对kernel内的像素建立一个直方图,计算median value以及小于等于median value的像素个数nm。kernel每次更新时,重新计算median value和nm。算法如下:

 

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <cmath>

using namespace cv;
using namespace std;

void MyEfficientMedianFiltering(Mat& src, Mat& dst, int ksize);

int main( int argc, char** argv )
{
  // load image
  char* imageName = "images/Lenna_noise.jpg";

  Mat image;
  image = imread(imageName,1);
  if(!image.data)
  {
	  cout
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