为了加深对中值滤波算法的理解以及方便以后更好的复习,我将该算法的一些重点细节和实现过程踩过的坑记录下来。
中值滤波器是一种非线性滤波器,或者叫统计排序滤波器。
适用对象:带椒盐噪声的图像
由于椒盐噪声像素值与原图像素值没有关联,随机性较大,因此使用中值滤波可有效滤掉噪声。
中值滤波需要对像素值进行排序,因此首先写一个冒泡排序算法。
冒泡排序实现:
为提高效率加入标志位flag,当第i次寻找最大值时,如果相邻两个数均未发生互换,此时flag位为false,即说明此时数组已经按照递增排列,可提前终止。此处应该注意flag=false所在位置,因为需要保证第i次寻找最大值过程中,遍历到所有未参与排列的数据,所以flag=false应该放在循环条件for(int j=0; j 需要注意的主要问题: 为了能够遍历到原图的边界,需要对原图进行边界扩充,扩充长度为(窗口的长度-1)/ 2。 到此这篇关于C++实现中值滤波的示例代码的文章就介绍到这了,更多相关C++ 中值滤波内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!void bubble(std::vector
中值滤波的实现:
注意利用窗口对扩充后的图像遍历时,起始的位置不是0,而是扩充的长度,因为这时对应的才是原图的第一个像素点,同理结束的位置也是原图的最后一个像素点。
另外为了方便将窗口内对应的像素存到容器中,可以写两个循环,循环长度为窗口的长度与宽度,依次将像素值存入容器中。
最后对容器内的像素按照递增排列后,取中值赋给目标矩阵相应的位置,而此时的位置也应该用i-h,对应扩充前的位置。
经实践证明我写的这两个算法可有效使用。void medianFilter(cv::Mat& src, cv::Mat& dst, cv::Size width)
{
//判断窗口是否为奇数
if (width.width % 2 == 0 || width.height % 2 == 0)
{
std::cout << "输入窗口大小应该为奇数,请重新输入" << endl;
exit(-1);
}
else
{
//计算边界扩充长度
int h = (width.height - 1) / 2;
int w = (width.width - 1) / 2;
//对原图边界扩充
cv::Mat src_border;
cv::copyMakeBorder(src, src_border, h, h, w, w, cv::BORDER_REFLECT_101);
for (int i = h; i < src.rows + h; i++)
{
for (int j = w; j < src.cols + w; j++)
{
//定义容器存放窗口对应的像素
std::vector