矩形滤波

 在图像处理中，经常要做矩形平滑滤波或其它操作，要用到模板运算。其中可能会遇到窗口的求和问题。

　　对每个窗口都要求和，然后求均值，而且是对每个像素点进行遍历，当然是个费时的过程。一般的操作可能是这样的：

sum=0;
     for(i=0;i<w;i++)
     {
      for(j=0;j<w;j++)
      {
       sum+=Array[m+i][n+j];
      }
     }
     mean=sum/(w*w);

 

其中Array是图像的灰度矩阵，w是窗口的大小(w*w)。后来因为在特征提取的过程中用的时间太长了，于是思考如何减小这些特征提取的时间（在w比较大时）。窗口在滑动的过程中，只是改变了一部分数据，即前面出去了一列，后面进来了一列。如果保存原来的和，只加减这两部分，可以减小很多求加运算的循环。就改成了下面的代码：只在第一次求一个总和，后面就在前面的基础上求两列的和，再加减就行了。

for(m=0;m<m_Height;m++)
{
    for(n=0;n<m_Width;n++)
    {
     if(n==0)
     {
      sum=0;
      for(i=0;i<w;i++)
      {
          for(j=0;j<w;j++)
       {
           sum+=Array[m+i][n+j];
       }
      }
     }
     else
     {
      a=b=0;
      for(i=0;i<w;i++)
      {
       a+=Array[m+i][n+w-1];
       b+=Array[m+i][n-1];
      }
      sum=sum+a-b;
     }
     mean=sum/(w*w);

｝

｝

 

开始我还为自己的发现欣喜不已，后来无意之中看到有文献已经讨论了该问题，而且研究了更一般的情况。不过是哪篇文献，自己也记不清了。现在有如此多的研究工作者，有些非常的细节的问题都被研究到了。