在处理图像时,由于噪声的影响处理识别的效果并不是很好。为了尽可能保存图像原本信息,我们需要在滤除噪声的同时,能够保护信号的边缘,使之不被模糊。中值滤波采用非线性的方法,它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘,选择适当的点来替代污染点的值,所以处理效果好。对一个图像的像素值N行M列的矩阵,我们保留其边缘像素值,对于其他数值,我们取以它中心的3*3矩阵,里面有9个像素点,我们将9个像素进行排序,最后将这个矩阵的中心点赋值为这九个像素的中值。并对赋值后的矩阵继续进行下一像素的运算,直至全部完成。
输入格式:
每个输入包含一个测试用例,第一行输入正整数N(N<100)和M(M<100),中间以空格隔开。接下来N行输入一个图像的像素矩阵。
输出格式:
在N行M列中输出中值滤波后的像素矩阵。像素值间以空格隔开,末尾无多余空格。
输入样例:
4 4
1 5 6 7
3 4 2 8
9 6 3 2
1 5 8 6
输出样例:
1 5 6 7
3 4 5 8
9 4 5 2
1 5 8 6
题解:
#include<iostream>
#include<vector>
#include<algorithm> //排序算法sort
using namespace std;
int main()
{
int n,m;
cin>>n>>m;
vector<vector<int>> matrix(n,vector<int>(m));
for(int i = 0;i < n;i++){
for(int j = 0;j < m;j++){
cin>>matrix[i][j];
}
}
vector<int> temp;
vector<vector<int>> result(n,vector<int>(m));
for(int i = 0;i < n;i++){
for(int j = 0; j < m;j++){
if(i == 0 || i==n-1 || j == 0 || j == m-1){
result[i][j] = matrix[i][j]; //边缘数据录入
}
else
{
temp.clear();
temp.push_back(matrix[i-1][j-1]);
temp.push_back(matrix[i-1][j]);
temp.push_back(matrix[i-1][j+1]);
temp.push_back(matrix[i][j-1]);
temp.push_back(matrix[i][j]);
temp.push_back(matrix[i][j+1]);
temp.push_back(matrix[i+1][j-1]);
temp.push_back(matrix[i+1][j]);
temp.push_back(matrix[i+1][j+1]);
sort(temp.begin(),temp.end()); //排序
result[i][j] = temp[4]; //中值
}
}
}
for(int i = 0;i < n;i++){
cout<<result[i][0];
for(int j = 1;j<m;j++){
cout<<" "<<result[i][j];
}
cout<<endl;
}
return 0;
}