均值濾波
均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素（以目標像素為中心的周圍個像素，構成一個濾波模板，即去掉目標像素本身），再用模板中的全體像素的平均值來代替原來像素值。
均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度g（x，y），即g（x，y）=/m ∑f（x，y） m為該模板中包含當前像素在內的像素總個數。
均值濾波介紹濾波是濾波是將信號中特定波段頻率濾除的操作，是從含有干擾的接收信號中提取有用信號的一種技術。
均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素（如&TImes;模板：以目標象素為中心的周圍個象素，構成一個濾波模板，即去掉目標象素本身），再用模板中的全體像素的平均值來代替原來像素值。
均值濾波效果：平滑線性濾波處理降低了圖像的“尖銳”變化。由于典型的隨機噪聲由灰度級的急劇變化組成，因此常見的平滑處理的應用就是降低噪聲。均值濾波器的主要應用是去除圖像中的不相關細節(jié)，其中“不相關”是指與濾波器模板尺寸相比較小的像素區(qū)域。然而，由于圖像的邊緣也是由圖像灰度的尖銳變化帶來的特性，所以均值濾波處理還是存在著邊緣模糊的負面效應。
均值濾波算法實現（C語言）// junzhilvbo.cpp ： 定義控制臺應用程序的入口點。
//
#include “stdafx.h”
#include “stdlib.h”
#include “string.h”
#define DATA_X //數字圖像水平像素個數
#define DATA_Y //數字圖像豎直像素個數
void OpenFile（const char *cFilePath ， int nOriginalData［DATA_Y］［DATA_X］）
{
printf（“正在獲取數據。。。。。。 ”）;
FILE *fp ;
fp = fopen（cFilePath ， “r”）;
if（NULL == fp）
{
printf（“open file failed！ ”）;
return ;
}
unsigned char *pData = （unsigned char *）malloc（sizeof（unsigned char）*DATA_X*DATA_Y）;
if（NULL == pData）
{
printf（“memory malloc failed！ ”）;
return ;
}
fread（pData ， sizeof（unsigned char）*DATA_X*DATA_Y ， ， fp）;
int count_x = ;
int count_y = ;
for（;count_y 《 DATA_Y ; count_y++）
{
for（; count_x 《 DATA_X ;count_x++）
{
nOriginalData［count_y］［count_x］ = pData［count_y*DATA_Y+count_x］;
}
}
free（pData）;
fclose（fp）;
return ;
}
void SaveFile（const char *cFilePath ， int nResultData［DATA_Y］［DATA_X］）
{
printf（“正在保存數據。。。。。。 ”）;
int count_x，count_y;
FILE *fp ;
fp = fopen（cFilePath ， “w”）;
if（NULL == fp）
{
printf（“open file failed！ ”）;
return ;
}
for（count_y=;count_y《DATA_Y;count_y++）
{
for（count_x=;count_x《DATA_X;count_x++）
{
fwrite（&nResultData［count_y］［count_x］，，，fp）;
}
}
fclose（fp）;
printf（“文件保存成功！ ”）;
return ;
}
bool JunZhiLvBo（const int nOriginalData［DATA_Y］［DATA_X］， int nResultData［DATA_Y］［DATA_X］）
{
printf（“正在進行均值濾波。。。。。。 ”）;
int count_x ，count_y ;
/**模版濾波計算，不計算邊緣像素*/
for（count_y = ; count_y 《 DATA_Y ; count_y++）
{
for（count_x = ; count_x 《 DATA_X ;count_x++）
{
nResultData［count_y］［count_x］ = （int）（（nOriginalData［count_y-］［count_x-］+
nOriginalData［count_y-］［count_x］ +
nOriginalData［count_y-］［count_x+］+
nOriginalData［count_y］［count_x-］ +
nOriginalData［count_y］［count_x］ +
nOriginalData［count_y］［count_x+］ +
nOriginalData［count_y+］［count_x-］+
nOriginalData［count_y+］［count_x］ +
nOriginalData［count_y+］［count_x+］）/）;
}
}
/*對四個邊緣直接進行賦值處理*/
for（count_x=;count_x《DATA_X;count_x++） //水平邊緣像素等于原來像素灰度值
{
nResultData［］［count_x］=nOriginalData［］［count_x］;
nResultData［DATA_Y-］［count_x］=nOriginalData［DATA_Y-］［count_x］;
}
for（count_y=;count_y《DATA_Y-;count_y++） //豎直邊緣像素等于原來像素灰度值
{
nResultData［count_y］［］=nOriginalData［count_y］［］;
nResultData［count_y］［DATA_X-］=nOriginalData［count_y］［DATA_X-］;
}
return true ;
}
int _tmain（int argc， _TCHAR* argv［］）
{
int nOriginalData［DATA_Y］［DATA_X］; //保存原始圖像灰度值
int nResultData［DATA_Y］［DATA_X］; //保存濾波后的灰度值
memset（nOriginalData，，sizeof（nOriginalData））; //初始化數組
memset（nResultData，，sizeof（nResultData））;
char cOpenFilePath［］ = “Lena.raw”; //圖像文件路徑
OpenFile（cOpenFilePath，nOriginalData）;
if（！JunZhiLvBo（nOriginalData，nResultData）） //濾波計算
{
printf（“操作失??！ ”）;
return ;
}
char cSaveFilePath［］ = “Result.raw”; //文件保存路徑
SaveFile（cSaveFilePath，nResultData）;
return ;
}
均值濾波算法效果對比均值濾波之前： 均值濾波之后：
下載文檔
