图像均值滤波原理及代码

1、滤波属性

  图像均值滤波属于线性滤波。

2、均值滤波定义

  设置一个nxm（n、m均为奇数）的滤波核，用该滤波核遍历图像中的每一个像素点（当遍历到哪个点时该点成为当前点），用核区域内像素平均灰度值代替当前点的灰度值，直至遍历完图像中所有像素点。

3、数学模型

  上式中（x，y）为当前坐标点，f(i,j)滤波前图像在（i,j）位置处的灰度值，g（x，y）为滤波后图像中（x，y）处的灰度值。n、m为滤波核的大小。

4、C++实现

#include<iostream>
#include<opencv2/opencv.hpp>
/*
@cv::Mat src  输入图像
@cv::Mat& dst 输出滤波后图像
@cv::Size sizeK 滤波核大小
*/
bool averageFilter(cv::Mat src,cv::Mat& dst,cv::Size sizeK)
{
	if (src.empty())
		return false;
	dst = cv::Mat(src.size(),CV_8UC1,cv::Scalar(0));
	cv::Mat bordImage;
	copyMakeBorder(src, bordImage, int(sizeK.height/2), int(sizeK.height / 2), int(sizeK.width / 2), int(sizeK.width / 2), cv::BORDER_REPLICATE);
	for (int i = sizeK.height / 2; i < bordImage.rows- sizeK.height / 2; i++)
	{
		for (int j = sizeK.width / 2; j < bordImage.cols- sizeK.width / 2; j++)
		{
			int sumpixel = 0;
			for (int x = i - sizeK.height / 2; x < i + sizeK.height / 2 + 1; x++)
			{
				for (int y = j - sizeK.width / 2; y < j + sizeK.width / 2 + 1; y++)
				{
					sumpixel += bordImage.at<uchar>(x,y);
				}
			}
			dst.at<uchar>(i - sizeK.height / 2, j - sizeK.width / 2)= sumpixel/(sizeK.height*sizeK.width);
		}
	}
	return true;
}

void main()
{
	cv::Mat src = cv::imread("testImage2.jpg",0);
	cv::Mat dst;
	cv::Size sizeK = cv::Size(13, 13);
	bool sign = averageFilter(src, dst, sizeK);
	cv::waitKey(0);
}

5、效果

（1） 去除图像噪声点

输入图像

滤波后图像

  从输入图像看以看到，图像中存在着大量的噪声点，经过滤波后，图像中的噪声点明显消失。从滤波前与滤波后效果来看，均值滤波能够去除掉大部分噪声，滤波效果较好。

（2）细节的模糊

滤波前

滤波后

  从滤波前后的图像中可以看出，细节被模糊掉了，因此，均值滤波在使用时应考虑是否需要保留细节信息。