C/C++语言图像处理：各种滤波 高斯 中值 均值

常见噪声及常用滤波方式

一、常见噪声分类：

高斯噪声

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。
产生原因：
1）图像传感器在拍摄时市场不够明亮、亮度不够均匀；
2）电路各元器件自身噪声和相互影响；
3）图像传感器长期工作，温度过高。

椒盐噪声

椒盐噪声，椒盐噪声又称脉冲噪声，它随机改变一些像素值，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。
产生原因：
1）椒盐噪声往往由图像切割引起。

二、常见滤波方式

1、中值滤波

中值滤波是统计排序滤波器，通过对邻域内所有像素的排序，然后取其 中值为邻域中心的像素。
1.该方法 不适合处理高斯噪声，但处理离散的点噪声效果明显。
2.该方法 忽略了像素点间的相关性，当目标图像细节纹理复杂时，中值滤波的结果会破坏其不分纹理。

2、均值滤波

均值滤波是一种线性滤波器，处理思路也很简单，就是将一个窗口区域中的像素计算平均值，然后将窗口中计算得到的均值设置为锚点上的像素值。
该算法有优点在于效率高，思路简单。同样，缺点也很明显，计算均值会将图像中的边缘信息以及特征信息“模糊”掉，会丢失很多特征。

3、高斯滤波

高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的 加权平均灰度值 去替代模板中心像素点的值。
1.高斯滤波是平滑线性滤波器，在对邻域内像素灰度平均时赋予了 不同位置不同的权值，越靠近邻域中心权值越大。
2.高斯滤波技能平滑噪声，也能保留图像的整体灰度分布特征；
3.高斯滤波公式是各向同性扩散方程，在图像边缘处沿切向和法向是同等扩散的，所以绝大多数 边缘和细节纹理特征被模糊掉，损失了大量的信息。
4.高斯滤波 适合处理均值为零的高斯噪声，但 处理离散的点噪声时，会损失大量细节信息。

三、完整代码

例程和完整代码可以具体参考我的资源
https://download.csdn.net/download/CharlieYYang/13460186
完整代码和例程实现