C语言实现图像中值滤波与均值滤波

最新推荐文章于 2024-05-15 11:30:41 发布
最新推荐文章于 2024-05-15 11:30:41 发布
阅读量7.9k 收藏 117
点赞数 19
分类专栏： 数字图像处理 文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44310495/article/details/109629075
版权

中值滤波

中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波容易去除孤立点，线的噪声同时保持图象的边缘，对椒盐噪声有较好的滤波效果；它能很好的去除二值噪声，但对高斯噪声无能为力。

实现代码（3x3中值滤波)：

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#pragma pack(1)   //全紧凑模式

typedef struct {
	unsigned char bfType[2];
	unsigned int bfSize;
	unsigned short bfReserved1;
	unsigned short bfReserved2;
	unsigned int bfOffBits;
}bitmapFileHeader;

typedef struct {
	unsigned int biSize;
	unsigned int biWidth;
	unsigned int biHeight;
	unsigned short biPlanes;
	unsigned short biBitCount;
	unsigned int biCompression;
	unsigned int biSizeImage;
	unsigned int biXPixPerMeter;
	unsigned int biYPixPerMeter;
	unsigned int biClrUsed;
	unsigned int biClrImportant;
}bitmapInfoHeader;


typedef struct{
	unsigned char rgbBlue;
	unsigned char rgbGreen;
	unsigned char rgbRed;
	unsigned char rgbReserved;

}rgbQUAD;

typedef struct{
	bitmapFileHeader bfHeader;
	bitmapInfoHeader biHeader;
	rgbQUAD palette[256];
	unsigned char *imgData;
}bmp;

unsigned char median(unsigned char num[],int m){
	int i,j;
	unsigned char temp;
	for(i=0;i<m;i++){
		for(j=i+1;j<m;j++){
			if(num[j]<num[i]){
				temp=num[i];
				num[i]=num[j];
				num[j]=temp;
			}
		}
	}
	return num[m/2];
}

int main(){
	FILE *fp;
	if((fp=fopen("d:\Temp\\test_gray.bmp","rb"))==NULL){
		perror("can not open file!");
		return -1;
	}
	//读入彩色bmp图像文件头，信息头和图像数据
	bitmapFileHeader bfHeader;
	fread(&bfHeader,14,1,fp);
	bitmapInfoHeader biHeader;
	fread(&biHeader,40,1,fp);
	int imSize=biHeader.biSizeImage;
	int width=biHeader.biWidth;
	int height=biHeader.biHeight;
	int bitCount=biHeader.biBitCount;
	int lineBytes=(width*bitCount+31)/32*4;
	
	fseek(fp,bfHeader.bfOffBits,SEEK_SET);
	unsigned char*imageData=(unsigned char*)malloc(imSize*sizeof(unsigned char));
	fread(imageData,imSize*sizeof(unsigned char),1,fp);	
	fclose(fp);

	bmp b;
	memcpy(&(b.bfHeader),&bfHeader,sizeof(bfHeader));
	memcpy(&(b.biHeader),&biHeader,sizeof(biHeader));
	b.imgData=(unsigned char*)malloc(sizeof(unsigned char)*imSize);
	memset(b.imgData,0,sizeof(unsigned char)*imSize);
	for(int i=0;i<256;i++){
		b.palette[i].rgbBlue=i;
		b.palette[i].rgbGreen=i;
		b.palette[i].rgbRed=i;
	}
	
	int i,j,k;
	unsigned char m=3,n=3;
	unsigned char *row=(unsigned char*)malloc(m);
	unsigned char *col=(unsigned char*)malloc(n);

	int x,y;
	for(i=0;i<height;i++){
		for(j=0;j<width;j++){
			if(j-(m-1)/2>=0&&j+m/2<width&&i-(n-1)/2>=0&&i+n/2<height){
				for(y=0;y<n;y++){
					for(x=0;x<m;x++){
						row[x]=imageData[lineBytes*(i-(n-1)/2+y)+j-(m-1)/2+x];
					}
					col[y]=median(row,m);
				}
				b.imgData[lineBytes*i+j]=median(col,n);
			}
			else
				continue;//b.imgData[lineBytes*i+j]=imageData[lineBytes*i+j];
		}
	}
	
	char savePath[]="D:\Temp\\save_test.bmp";
	FILE *f_save=fopen(savePath,"wb");
	if(f_save==NULL){
		perror("can not open file!");
		return -2;
	}

	fwrite(&b.bfHeader,sizeof(bitmapFileHeader),1,f_save);
	fwrite(&b.biHeader,sizeof(bitmapInfoHeader),1,f_save);
	fwrite(&b.palette,1024,1,f_save);
	fwrite(b.imgData,sizeof(unsigned char)*b.biHeader.biSizeImage,1,f_save);
	fclose(f_save);
	
	free(imageData);
	free(b.imgData);
	getchar();
	return 0;
}

代码效果：

椒盐噪声图像：
在这里插入图片描述中值滤波图像：

在这里插入图片描述

均值滤波

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值，适用于去除通过扫描得到的图像中的颗粒噪声、高斯噪声。均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

辅助函数：

//求mxn模板中灰值之和
int sum(unsigned char **num, int m, int n){
	int sum=0;
	int i,j;
	for(i=0;i<m;i++){
		for(j=0;j<n;j++){
			sum+=num[i][j];
		}
	}
	return sum;
}

实现代码（3x3均值滤波）：

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#pragma pack(1)   //全紧凑模式

typedef struct {
	unsigned char bfType[2];
	unsigned int bfSize;
	unsigned short bfReserved1;
	unsigned short bfReserved2;
	unsigned int bfOffBits;
}bitmapFileHeader;

typedef struct {
	unsigned int biSize;
	unsigned int biWidth;
	unsigned int biHeight;
	unsigned short biPlanes;
	unsigned short biBitCount;
	unsigned int biCompression;
	unsigned int biSizeImage;
	unsigned int biXPixPerMeter;
	unsigned int biYPixPerMeter;
	unsigned int biClrUsed;
	unsigned int biClrImportant;
}bitmapInfoHeader;


typedef struct{
	unsigned char rgbBlue;
	unsigned char rgbGreen;
	unsigned char rgbRed;
	unsigned char rgbReserved;

}rgbQUAD;

typedef struct{
	bitmapFileHeader bfHeader;
	bitmapInfoHeader biHeader;
	rgbQUAD palette[256];
	unsigned char *imgData;
}bmp;

int sum(unsigned char **num, int m, int n){
	int sum=0;
	int i,j;
	for(i=0;i<m;i++){
		for(j=0;j<n;j++){
			sum+=num[i][j];
		}
	}
	return sum;
}

int main(){
	FILE *fp;
	if((fp=fopen("d:\Temp\\test_gray.bmp","rb"))==NULL){
		perror("can not open file!");
		return -1;
	}
	//读入彩色bmp图像文件头，信息头和图像数据
	bitmapFileHeader bfHeader;
	fread(&bfHeader,14,1,fp);
	bitmapInfoHeader biHeader;
	fread(&biHeader,40,1,fp);
	int imSize=biHeader.biSizeImage;
	int width=biHeader.biWidth;
	int height=biHeader.biHeight;
	int bitCount=biHeader.biBitCount;
	int lineBytes=(width*bitCount+31)/32*4;
	
	fseek(fp,bfHeader.bfOffBits,SEEK_SET);
	unsigned char*imageData=(unsigned char*)malloc(imSize*sizeof(unsigned char));
	fread(imageData,imSize*sizeof(unsigned char),1,fp);	
	fclose(fp);

	bmp b;
	memcpy(&(b.bfHeader),&bfHeader,sizeof(bfHeader));
	memcpy(&(b.biHeader),&biHeader,sizeof(biHeader));
	b.imgData=(unsigned char*)malloc(sizeof(unsigned char)*imSize);
	memset(b.imgData,0,sizeof(unsigned char)*imSize);
	for(int i=0;i<256;i++){
		b.palette[i].rgbBlue=i;
		b.palette[i].rgbGreen=i;
		b.palette[i].rgbRed=i;
	}
		int i,j,k;
	unsigned char m=3,n=3;
	unsigned char **data=(unsigned char**)malloc(n*sizeof(unsigned char*));
	for(i=0;i<n;i++)
		data[i]=(unsigned char*)malloc(m);

	int x,y;
	for(i=0;i<height;i++){
		for(j=0;j<width;j++){
			if(j-(m-1)/2>=0&&j+m/2<width&&i-(n-1)/2>=0&&i+n/2<height){
				for(y=0;y<n;y++){
					for(x=0;x<m;x++){
						data[y][x]=imageData[lineBytes*(i-(n-1)/2+y)+j-(m-1)/2+x];
					}
				}
				b.imgData[lineBytes*i+j]=sum(data,m,n)/(m*n);
			}
			else
				continue;//b.imgData[lineBytes*i+j]=imageData[lineBytes*i+j];
		}
	}
	
	char savePath[]="D:\Temp\\save_test.bmp";
	FILE *f_save=fopen(savePath,"wb");
	if(f_save==NULL){
		perror("can not open file!");
		return -2;
	}

	fwrite(&b.bfHeader,sizeof(bitmapFileHeader),1,f_save);
	fwrite(&b.biHeader,sizeof(bitmapInfoHeader),1,f_save);
	fwrite(&b.palette,1024,1,f_save);
	fwrite(b.imgData,sizeof(unsigned char)*b.biHeader.biSizeImage,1,f_save);
	fclose(f_save);
	
	free(imageData);
	free(b.imgData);
	getchar();
	return 0;
}

代码效果：

高斯噪声图像：

在这里插入图片描述
均值滤波图像：

在这里插入图片描述

混z
关注
  • 19
    点赞
  • 踩
  • 117
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
c语言实现中值滤波
xiaobaizaixuexi的博客
08-01 2887
如何在不改变数组顺序，又不创建新数组的情况下进行中值滤波呢？ 这个问题我在网上找了好久，都又创建了一个一样的数组，然后把数据复制过去，再排序找出中间值。我觉得这个办法是可以实现可是总觉得很麻烦。 那就只能自己想自己写了。 void middistance(float* distance) { unsigned char count = 0, MarkNum, CompareNum,...
图像的中值滤波和均值滤波
11-28
灰度图片加入噪声，分别用中值滤波和均值滤波来进行锐化，显示的图像可以清晰的查看两种滤波的效果区别。。
C语言_用于ADC数据的均值滤波算法
weixin_50183638的博客
10-13 364
在采集ADC值的时候一般都是多次采集然后，然后取平均值，改进型做法就是去掉最大最小值剩下的再取平均值。
中值滤波(C++实现)
退休码农飞伯德
10-05 3万+
中值滤波简介中值滤波是一类非线性的窗口滤波，它可以很容易消除破坏性的噪声而保护信号的边缘。滤波背后的基本思想就是对于任何的信号(图像)元素，找出与它周围最接近的元素。中值滤波的特性很类似于均值滤波但是更擅长处理椒盐噪声和保护边界。另一方面，中值滤波经常被用于斑点噪声的消除，但是也有更有效的技术，如扩散滤波，尽管比较复杂。为了理解如何实现中值滤波，让我们从窗口开始理解。
C语言面向对象实现滑动均值滤波与平均值滤波_滑动滤波算法c语言实现
最新发布
2401_84973571的博客
05-15 510
平均值滤波算法是比较常用，也比较简单的滤波算法。在滤波时，将N个周期的采样值计算平均值，算法非常简单。当N取值较大时，滤波后的信号比较平滑，但是灵敏度差；相反N取值较小时，滤波平滑效果差，但灵敏度好。优点：算法简单，对周期性干扰有良好的抑制作用，平滑度高，适用于高频振动的系统。缺点：对异常信号的抑制作用差，无法消除脉冲干扰的影响。
C语言可以实现各种滤波算法
MyLovelyJay的博客
03-27 1547
C语言可以实现各种滤波算法
【OpenCV基础】中值滤波、双边滤波、均值滤波、高斯滤波
欢迎时常光顾我的干货超市，热衷于AIoT！！
06-24 5455
1.原理 滤波操作的原理是卷积运算 2.代码展示
中值滤波算法改进之C语言实现.rar_C语言中值滤波_图像中值滤波_均值滤波c语言_改进中值滤波_改进滤波
07-15
2. **C语言中值滤波实现**：C语言是一种通用的编程语言，常用于系统级编程和嵌入式开发，因此它是实现图像处理算法的理想选择。中值滤波的C语言实现通常涉及二维数组，通过遍历图像并应用中值滤波器的窗口操作，来...
中值滤波、均值滤波和高斯滤波代码 C语言
01-10
在C语言中实现中值滤波、均值滤波和高斯滤波可以帮助我们理解这些算法的工作原理，并能应用于实际的图像处理项目。以下是关于这三种滤波器的详细解释： 1. **中值滤波**：中值滤波是一种非线性滤波方法，它通过将...
中值滤波 C语言
04-15
本教程将深入探讨如何使用C语言实现中值滤波算法，帮助你理解其原理并掌握编程技巧。 中值滤波器的基本思想是，对于图像中的每一个像素点，用其周围邻域内像素的中值来代替该点的原始值。这个邻域通常是一个窗口，...
中值滤波算法改进之C语言实现
04-30
用C语言实现的改进的中值滤波算法哦（中值算法）
图像处理-bmp图像均值滤波-C++
04-16
图像处理-读取bmp图像均值滤波-C++
均值、中值滤波C代码
08-16
图像去噪，里面包括了中值滤波、均值滤波、混合滤波等代码，还考虑到硬件便于实现，进行了字节对齐，效果不错的
一个很好的中值滤波C程序
03-27
自己参加竞赛改写的中值滤波C程序，模块程序。可直接嵌入。
用C8051xx汇编语言实现的数字滤波算法
03-23
用C8051xx汇编语言实现的数字滤波算法：限幅滤波，中位值滤波，滑动滤波，算术平均滤波，低通滤波，加权平均滤波等
图像去模糊中的均值滤波、高斯滤波、双边滤波简单介绍及代码演示
百年孤独百年的博客
05-03 3926
在本文中，我们介绍了图像去模糊的三种常见方法：均值滤波、高斯滤波和双边滤波。这些方法都是基于滤波器对图像像素进行加权平均来减小噪声和细节的。每种方法都有其优点和缺点，需要根据具体应用场景选择合适的方法。在实际应用中，可以通过调整滤波器的大小和参数来控制图像的平滑程度和细节保留程度。
图像处理之均值滤波介绍及C算法实现
浩瀚之水的专栏
09-23 1万+
1 均值滤波介绍       滤波是滤波是将信号中特定波段频率滤除的操作，是从含有干扰的接收信号中提取有用信号的一种技术。      均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（如3×3模板：以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身），再用模板中的全体像素的平均值来代替原来像素值。       均值滤波效果:平滑
中值滤波(Median filtering)
热门推荐
半濠春水的博客
11-25 5万+
1.概念介绍  中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。  中值滤波的方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。 2.基本原理  中值滤波会选取数字图像或数字序列中像素点及其周围临近像素点（一共有奇数个像素点）的像素值，将这些像素值排序，然后将位于中间位置的像素值作为当前像素点的像素值，让周围的像素值接近真实值，从而消除孤立的噪声点。  例如，针对图2-1中第4行第4列的像素点，.
中值滤波（python实现）
xiaoqiaoliushuiCC的博客
01-05 1万+
第一步：rgb图像转为灰度图像 import cv2 import numpy as np image = cv2.imread("E:/code/python/medfilter/1lena.png") width = image.shape[0] height = image.shape[1] grayimg = np.zeros([width,height,1],np.uint8) for i in range(height): for j in range(width):
 中值滤波 均值滤波
10-23
中值滤波和均值滤波都是图像处理中常用的滤波方法。 中值滤波是一种非线性滤波方法，它将像素点周围的像素值进行排序，然后取中间值作为该像素点的值，从而达到去除噪声的目的。中值滤波对于椒盐噪声和斑点噪声有很好的去噪效果。 均值滤波是一种线性滤波方法，它将像素点周围的像素值取平均值作为该像素点的值，从而达到去除噪声的目的。均值滤波对于高斯噪声有很好的去噪效果，但是对于椒盐噪声和斑点噪声的去噪效果不如中值滤波。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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