PTA 7-9 中值滤波

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;
}