[OpenCV+VS2015]中值滤波、快速中值滤波和OpenCV中API中值滤波

[OpenCV+VS2015]中值滤波、快速中值滤波和OpenCV中API中值滤波

上课老师没有详细讲，自己查阅了一下然后做了点程序验证一下

中值滤波

简单来说就是用一个nn的框框（n为奇数）去框一个图像，框选中的nn个像素点中取中值，然后用中值取代替框框中间的那个点的像素
哎说起来简单，代码有点烧脑，直接撸上来

void MF(Mat& image_input, Mat& image_output, int diameter)
{
	int  radius = (diameter - 1) / 2;//向下取整
	int i, j, p, q, t,sum = 0,median;
	uchar val;
	int Hist[256] = { 0 };
	int Threshold = (diameter*diameter + 1) / 2;

	for (i = 0; i < image_input.rows; i++)
	{
		for (j = 0; j <radius; j++)
		{
			image_output.at<uchar>(i, j) = image_input.at<uchar>(i, j);
			image_output.at<uchar>(i, (image_input.cols - j - 1)) = image_input.at<uchar>(i, (image_input.cols - j - 1));
		}
	}
	for (j = 0; j < image_input.cols; j++)
	{
		for (i = 0; i < radius; i++)
		{
			image_output.at<uchar>(i, j) = image_input.at<uchar>(i, j);
			image_output.at<uchar>((image_input.rows - i - 1), j) = image_input.at<uchar>((image_input.rows - i - 1), j);
		}
	}
	//处理完了边缘部分
	for (i = radius; i < (image_input.rows - radius); i++)
	{
		for (j = radius; j < (image_input.cols - radius); j++)
		{
			memset(Hist, 0, sizeof(Hist));  //初始化直方图；
			for (p = i - radius; p <= i + radius; p++)
			{
				for (q = j - radius; q <= j + radius; q++)
				{
					val = image_input.at<uchar>(p, q);
					Hist[val]++;
				}
			}
			for (t = 0; t < 256; t++)
			{
				sum = sum + Hist[t];
				if (sum >= Threshold)
				{
					sum = 0;
					median = t;
					break;
				}
			}
			//中值找到，需要替换
			image_output.at<uchar>(i, j) = (uchar)median;
		}
	}
}

快速中值滤波

这里推荐一篇文献：A Fast Two-Dimensional Median Filtering Algorithm

这个讲的就是中值滤波是对每个可以滤波的点进行一遍中值计算，运算量还是比较大的。
但是，快速中值滤波简化了中值计算

如图所示，对于同一行的像素点，其实它是向右平移一格，其实不需要计算所有像素点的中值：只要去掉原来的最左边一列，然后加上新的最右边一列，就可以形成新的直方图

直方图

这里用直方图的方法计算中值，对于灰度图来说一共有256级，可以新建一个数组作为直方图，当出现某一级灰度，变在这个直方图数组对应的灰度数组上加1；

快速中值滤波过程

一：建立第一个窗口的直方图，并找到中值。然后计算这个窗口里小于中值的像素个数作为itmdn
二：移动到下一个窗口，然后删掉最左边一列，加上最右边一列，然后更新灰度直方图，更新itmdn，这时候的itmdn存储的是当前窗口中小于上一个窗口中值的像素个数。
三：比较itmdn和(窗口像素数/2)，会有三种可能，
若itmdn大，中值左移；
若itmdn小，中值右移；
若一样大，中值不移动；
四：重复步骤二

上代码：

void  FMF(Mat& image_input, Mat& image_output,int diameter)  //用于提取边缘，保留不动
{
	int  radius = (diameter-1)/2;//向下取整
	int i, j, p, q, s, t;
	uchar val;
	int sum = 0;
	int Hist[256] = { 0 };
	int Threshold = (diameter*diameter + 1) / 2;
	int median;

	for (i = 0; i < image_input.rows; i++)
	{
		for (j = 0; j <radius; j++)
		{
			image_output.at<uchar>(i,j) = image_input.at<uchar>(i, j);
			image_output.at<uchar>(i,(image_input.cols-j-1)) = image_input.at<uchar>(i, (image_input.cols - j - 1));
		}
	}
	for (j = 0; j < image_input.cols; j++)
	{
		for (i = 0; i < radius; i++)
		{
			image_output.at<uchar>(i,j) = image_input.at<uchar>(i, j);
			image_output.at<uchar>((image_input.rows-i-1),j) = image_input.at<uchar>((image_input.rows - i - 1), j);
		}
	}
	//处理完了边缘部分
   
	for (i =  radius; i < (image_input.rows - radius); i++)
	{
		for (j =  radius; j < (image_input.cols - radius); j++)
		{
			if (j == radius)  //表示每行第一个需要滤波的元素，需要对它进行直方图建立
			{
				memset(Hist, 0, sizeof(Hist));  //初始化直方图；
				for ( p = i - radius; p <=i + radius; p++)
				{
					for ( q = j - radius; q <= j + radius; q++)
					{
					    val = image_input.at<uchar>(p, q);
						Hist[val]++;
					}
				}
			}//判断结束表示直方图建立完毕，后面要做的是更新直方图
			//如果j != radius表示直方图处于更新中
			if (j != radius)
			{
				for (s = i - radius; s <= i + radius; s++)
				{
					val = image_input.at<uchar>(s, j - radius - 1);
					Hist[val]--;
					val = image_input.at<uchar>(s, j + radius);
					Hist[val]++;
				}//直方图更新完毕
			}
			//寻找中值
			for ( t = 0; t < 256; t++)
			{
				sum = sum + Hist[t];
				if (sum >= Threshold)
				{
					sum = 0;
					median = t;
					break;
				}
			}
         //中值找到，需要替换
			image_output.at<uchar>(i, j) = (uchar)median;
		}
	}
}

OpenCV中API

简单的很，一句话搞定

medianBlur(src, dst, 9);

总结：

对外输出图片的中值滤波处理时间

    Mat dst = Mat::zeros(src.size(),CV_8UC1);
	start = clock();
	FMF(src, dst, 9);
	end = clock();
	start = (end - start) / CLOCKS_PER_SEC;
	printf("the fast filter consume time is %f s\n", start);
	namedWindow("fast filter", WINDOW_AUTOSIZE);
	imshow("fast filter", dst);
	dst = Mat::zeros(src.size(), CV_8UC1);

上结果
当窗口直径为3时

当窗口直径为9时

当窗口仍然为9时，将图变大

所以啊：
1、快速中值滤波有一定的加快计算速度的效果，

2、而且随着窗口的变大，中值滤波和快速中值滤波所用的时间相差的越大，

3、当图片的大小越大，中值滤波和快速中值滤波所用的时间相差的越大（快速中值滤波比中值滤波快的更明显），

4、滤波窗口越大，图像越模糊，计算量越大

5、当然，都没有API快，hhhh

最后，钢炼yyds