均值滤波——精选推荐

均值滤波
均值滤波
⼀、⽬的与原理
（1）⽬的：去除图像上的尖锐噪声，平滑图像。

（2）原理：均值滤波属于线性滤波，它的实现原理是邻域平均法。

其中，公式①的Sxy表⽰中⼼点在(x,y)处，M表⽰⼤⼩为m×n的滤波器窗⼝，M=(2m+1)(2n+1)，m和n可以相等。

实际上就是⽤取均值的⽅式替换原图像中的像素值，即选择⼀个⼤⼩为M模板，该模板由其近邻的若⼲像素组成，求模板中所有像素的均值，最后填充到输出图像中。

g(s , t)表⽰原始图像， f(x,y)表⽰均值滤波后得到的图像。

公式①：
其中，M =(2m+1)(2n+1)，m和n可以相等；
以3*3卷积核⽰例，对于均值滤波来讲，虽然每个像素点的权重都为1，但是还是需要⽤到卷积核，因为3*3的均值滤波核5*5的均值滤波效果是不⼀样的，所以卷积核还是不能忽略。

⽽且在此引⽤卷积核的概念还能更加直观的看到我们的取点⽅式。

3*3的核⽰例：
⼆、算法步骤
（1）判断卷积核是否为偶数，如果是偶数就退出；
（2）边缘处理；
（3）判断图⽚的通道数，单通道和多通道需要分开处理；
（4）通过公式①计算各点的值；
（5）将各点的值存储到Mat对象中
（6）显⽰Mat对象，查看均值滤波处理后的结果；
三、伪代码
输⼊：待处理图像src，输出图像dst，卷积核⼤⼩wsize
输出：引⽤的⽅式输出图像dst
Void AverFilter(Mat& src, Mat& dst, Size wsize)
{
If(卷积核Ksize为偶数)
报异常，退出
边缘处理
If(图⽚通道数等于1){
单通道的⽅式求像素点均值
处理结果赋值到输出图像中
}
If(图⽚通道数⼤于1){
多通道的⽅式求像素点均值
处理结果赋值到输出图像中
}
}
四、特点
优点：效率⾼
缺点：不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从⽽使图像变得模糊，不能很好地去除噪声点。

五、源码
void MeanFilater(Mat& src, Mat& dst, Size wsize) {
//判断矩阵的⾏列数为奇数
if (wsize.height % 2 == 0 || wsize.width % 2 == 0) {
fprintf(stderr, "Please enter odd size!");
exit(-1);
}
int hh = (wsize.height - 1) / 2;
int hw = (wsize.width - 1) / 2;
//边缘处理
Mat Newsrc;
copyMakeBorder(src, Newsrc, hh, hh, hw, hw, BORDER_REFLECT_101);//以边缘为轴，对称
dst = Mat::zeros(src.size(), src.type());
int sum1 = 0, sum2 = 0, sum3 = 0;
int average1 = 0, average2 = 0, average3 = 0;
for (int i = hh; i < src.rows + hh; i++) {
//Vec3b* src_rows_ptr = Newsrc.ptr<Vec3b>(i);
for (int j = hw; j < src.cols + hw; j++) {
for (int r = i - hh; r <= i + hh; r++) {
Vec3b* new_ptr = Newsrc.ptr<Vec3b>(r);
for (int k = j - hh; k <= j + hh; k++)
{
sum1 += new_ptr[k][0];
sum2 += new_ptr[k][1];
sum3 += new_ptr[k][2] ;
}
}
average1 = sum1 / (wsize.area());
average2 = sum2 / (wsize.area());
average3 = sum3 / (wsize.area());
Vec3b* dst_ptr = dst.ptr<Vec3b>(i - hh);
dst_ptr[j - hw][0] = average1;
dst_ptr[j - hw][1] = average2;
dst_ptr[j - hw][2] = average3;
sum1 = 0, sum2 = 0, sum3 = 0;
average1 = 0, average2 = 0, average3 = 0; }
}
}
六、结果图
卷积核为3*3
卷积核为5*5。