c语言和opencv实现图像均值滤波和中值滤波

1，c语言实现中值滤波以及算法实现描述

我们在一个矩阵中去除边缘，在剩余数中求取所有像素点的均值来取代中间的值，我们来举例说明：

  公式：         a[i][j]是下面数据除去边缘值的平均值。

1	2	3	3	1
3	10	23	54	3
2	23	45	14	2
1	21	32	28	1
3	4	4	2	3

1	2	3	3	1
3	27.8	27.8	27.8	3
2	27.8	27.8	27.8	2
1	27.8	27.8	27.8	1
3	4	4	2	3

图像的椒盐化补充：

椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声是指两种噪声，一种是盐噪声（salt noise）盐=白色(255)，另一种是胡椒噪声（pepper noise），椒=黑色(0)。

 c语言代码实现：

#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include

using namespace cv;
using namespace std;

//均值滤波
void AverFiltering(const Mat &src,Mat &dst) {

	if (!src.data) return;

	//at访问像素点
	for (int i = 1; i= 0) && (j - 1) >= 0 && (i + 1)(i, j)[0] = (src.at(i, j)[0] + src.at(i - 1, j - 1)[0] + src.at(i - 1, j)[0] + src.at(i, j - 1)[0] +

					src.at(i - 1, j + 1)[0] + src.at(i + 1, j - 1)[0] + src.at(i + 1, j + 1)[0] + src.at(i, j + 1)[0] +

					src.at(i + 1, j)[0]) / 9;

				dst.at(i, j)[1] = (src.at(i, j)[1] + src.at(i - 1, j - 1)[1] + src.at(i - 1, j)[1] + src.at(i, j - 1)[1] +

					src.at(i - 1, j + 1)[1] + src.at(i + 1, j - 1)[1] + src.at(i + 1, j + 1)[1] + src.at(i, j + 1)[1] +

					src.at(i + 1, j)[1]) / 9;

				dst.at(i, j)[2] = (src.at(i, j)[2] + src.at(i - 1, j - 1)[2] + src.at(i - 1, j)[2] + src.at(i, j - 1)[2] +

					src.at(i - 1, j + 1)[2] + src.at(i + 1, j - 1)[2] + src.at(i + 1, j + 1)[2] + src.at(i, j + 1)[2] +

					src.at(i + 1, j)[2]) / 9;

			}

			else {//边缘赋值

				dst.at(i, j)[0] = src.at(i, j)[0];

				dst.at(i, j)[1] = src.at(i, j)[1];

				dst.at(i, j)[2] = src.at(i, j)[2];

			}

		}

}

//图像椒盐化
void salt(Mat &image, int num) {

	if (!image.data) return;//防止传入空图

	int i, j;

	srand(time(NULL));

	for (int x = 0; x < num; ++x) {

		i = rand() % image.rows;

		j = rand() % image.cols;

		image.at(i, j)[0] = 255;

		image.at(i, j)[1] = 255;

		image.at(i, j)[2] = 255;
	}
}

void main() 
{
	Mat image = imread("路飞.jpg");

	Mat Salt_Image;

	image.copyTo(Salt_Image);

	salt(Salt_Image, 3000);

	Mat image1(image.size(), image.type());

	Mat image2;

	AverFiltering(Salt_Image, image1);

	imshow("原图", image);

	imshow("自定义均值滤波", image1);

	waitKey();
}

  运行结果如下： g++ 2_opencv.cpp `pkg-config opencv --cflags` `pkg-config opencv --libs`

 

opencv实现均值滤波：

import cv2
import numpy as np
img = cv2.imread('image11.jpg',1)
cv2.imshow('src',img)
dst = cv2.GaussianBlur(img,(5,5),1.5)
cv2.imshow('dst',dst)
cv2.waitKey(0)

 运行结果如下：

 

2，c语言以及opencv实现中值滤波：

1	2	3	3	1
3	10	23	54	3
2	23	45	14	2
1	21	32	28	1
3	4	4	2	3

1	2	3	3	1
3	10	23	54	3
2	23	23	14	2
1	21	32	28	1
3	4	4	2	3

 

 

 

---

---

对中间的9个数据10，23，54，23，45，14，21，32，28进行排序，所以排序后的数据如下：

 10，14，21，23，23，28，32，45，45    所以我们看到中值是23，我们只需要替换掉中间  

   值，将45替换为23即可。

 

 

c语言代码实现中值滤波：

#include "opencv2/imgproc.hpp"

#include "opencv2/highgui.hpp"

#include

using namespace cv;

using namespace std;

typedef unsigned char uchar;

void swap(uchar* p1,uchar* p2)
{
    uchar* temp = p1;
    p1 = p2;
    p2 = temp ;
}
//求九个数的中值

uchar Median(uchar n1, uchar n2, uchar n3, uchar n4, uchar n5,

	uchar n6, uchar n7, uchar n8, uchar n9) {

	uchar arr[9];

	arr[0] = n1;

	arr[1] = n2;

	arr[2] = n3;

	arr[3] = n4;

	arr[4] = n5;

	arr[5] = n6;

	arr[6] = n7;

	arr[7] = n8;

	arr[8] = n9;

	for (int gap = 9 / 2; gap > 0; gap /= 2)//希尔排序

		for (int i = gap; i < 9; ++i)

			for (int j = i - gap; j >= 0 && arr[j] > arr[j + gap]; j -= gap)

				swap(&arr[j], &arr[j + gap]);

	return arr[4];//返回中值

}

//图像椒盐化

void salt(Mat &image, int num) {

	if (!image.data) return;//防止传入空图

	int i, j;

	srand(time(NULL));

	for (int x = 0; x < num; ++x) {

		i = rand() % image.rows;

		j = rand() % image.cols;

		image.at(i, j)[0] = 255;

		image.at(i, j)[1] = 255;

		image.at(i, j)[2] = 255;
	}
}

//中值滤波函数

void MedianFlitering(const Mat &src, Mat &dst) {

	if (!src.data)return;

	Mat _dst(src.size(), src.type());

	for(int i=0;i 0 && (i + 1) < src.rows && (j - 1) > 0 && (j + 1) < src.cols) {

				_dst.at(i, j)[0] = Median(src.at(i, j)[0], src.at(i + 1, j + 1)[0],

					src.at(i + 1, j)[0], src.at(i, j + 1)[0], src.at(i + 1, j - 1)[0],

					src.at(i - 1, j + 1)[0], src.at(i - 1, j)[0], src.at(i, j - 1)[0],

					src.at(i - 1, j - 1)[0]);

				_dst.at(i, j)[1] = Median(src.at(i, j)[1], src.at(i + 1, j + 1)[1],

					src.at(i + 1, j)[1], src.at(i, j + 1)[1], src.at(i + 1, j - 1)[1],

					src.at(i - 1, j + 1)[1], src.at(i - 1, j)[1], src.at(i, j - 1)[1],

					src.at(i - 1, j - 1)[1]);

				_dst.at(i, j)[2] = Median(src.at(i, j)[2], src.at(i + 1, j + 1)[2],

					src.at(i + 1, j)[2], src.at(i, j + 1)[2], src.at(i + 1, j - 1)[2],

					src.at(i - 1, j + 1)[2], src.at(i - 1, j)[2], src.at(i, j - 1)[2],

					src.at(i - 1, j - 1)[2]);

			}

			else

				_dst.at(i, j) = src.at(i, j);

		}

	_dst.copyTo(dst);//拷贝

}

int main() {

	Mat image = imread("1.JPG");

	Mat Salt_Image;

	image.copyTo(Salt_Image);

	salt(Salt_Image, 3000);

 
	Mat image3, image4;

	MedianFlitering(Salt_Image, image3);

	medianBlur(Salt_Image, image4, 3);

	imshow("自定义中值滤波处理后", image3);

	imshow("openCV自带的中值滤波", image4);

	waitKey();

}

代码实现效果如下：