C++实现中值滤波

为了加深对中值滤波算法的理解以及方便以后更好的复习，我将该算法的一些重点细节和实现过程踩过的坑记录下来。

适用对象：带椒盐噪声的图像

由于椒盐噪声像素值与原图像素值没有关联，随机性较大，因此使用中值滤波可有效滤掉噪声。

中值滤波需要对像素值进行排序，因此首先写一个冒泡排序算法。

冒泡排序实现：

为提高效率加入标志位flag，当第i次寻找最大值时，如果相邻两个数均未发生互换，此时flag位为false，即说明此时数组已经按照递增排列，可提前终止。此处应该注意flag=false所在位置，因为需要保证第i次寻找最大值过程中，遍历到所有未参与排列的数据，所以flag=false应该放在循环条件for（int j=0; j<len-1-i; j++）的外部。

void bubble(std::vector<int> &arr, int len)
{
	bool flag = true;
	for (int i = 0; i < len-1; i++)
	{
		while (flag)
		{
			flag = false;
			for (int j = 0; j < len - i - 1; j++)
			{
				
				if (arr[j + 1] < arr[j])
				{
					flag = true;  //只要发生一次交换就继续判断
					int temp = arr[j + 1];
					arr[j + 1] = arr[j];
					arr[j] = temp;
				}
			}
		}
	}	
}

 

 中值滤波的实现：

需要注意的主要问题：

1. 为了能够遍历到原图的边界，需要对原图进行边界扩充，扩充长度为（窗口的长度-1）/ 2。
2. 注意利用窗口对扩充后的图像遍历时，起始的位置不是0，而是扩充的长度，因为这时对应的才是原图的第一个像素点，同理结束的位置也是原图的最后一个像素点。
3. 另外为了方便将窗口内对应的像素存到容器中，可以写两个循环，循环长度为窗口的长度与宽度，依次将像素值存入容器中。
4. 最后对容器内的像素按照递增排列后，取中值赋给目标矩阵相应的位置，而此时的位置也应该用i-h，对应扩充前的位置。

经实践证明我写的这两个算法可有效使用。

void medianFilter(cv::Mat& src, cv::Mat& dst, cv::Size width)
{
	//判断窗口是否为奇数
	if (width.width % 2 == 0 || width.height % 2 == 0)
	{
		std::cout << "输入窗口大小应该为奇数，请重新输入" << endl;
		exit(-1);
	}
	else
	{
		//计算边界扩充长度
		int h = (width.height - 1) / 2;
		int w = (width.width - 1) / 2;

		//对原图边界扩充
		cv::Mat src_border;
		cv::copyMakeBorder(src, src_border, h, h, w, w, cv::BORDER_REFLECT_101);
		for (int i = h; i < src.rows + h; i++)
		{

			for (int j = w; j < src.cols + w; j++)
			{
				//定义容器存放窗口对应的像素
				std::vector <int> v;
				for (int ii = i - h; ii <= i + h; ii++)
				{
					for (int jj = j - w; jj <= j + w; jj++)
					{

						v.push_back(src_border.at<uchar>(ii, jj));
					}
				}
				//对容器内存放的像素排序
				int len = width.area();
				bubble(v, len);
				//将中值赋给目标图像对应位置
				dst.at<uchar>(i-h, j-w) = v[(len - 1) / 2];
				
			}
		}
		
	}

}