标签：中值滤波
中值滤波的原理很简单：就是用滑动窗口中灰度中值代替窗口中心像素的灰度值
高效中值滤波：
代码实现：
//中值滤波
//窗口大小为width_Aperture*width_Aperture的正方形
void MedianBlur(const Mat &image_Src, Mat &image_Dst, int width_Aperture)
{
/////////////重新分配图像(如果需要)/////////////////////
int width_Dst=image_Src.cols;
int height_Dst=image_Src.rows;
image_Dst.create(Size(width_Dst,height_Dst),CV_8UC1);//如果重新分配，之前的空间会扔掉
image_Dst.setTo(Scalar(0));//置为0
//滑动窗口
int pixelCount=width_Aperture*width_Aperture;//窗口内像素总个数
Mat image_Aperture(width_Aperture,width_Aperture,CV_8UC1);//滑动窗口图像
//直方图
Mat histogram;
int histogramSize=256;//灰度等级
int thresholdValue=pixelCount/2+1;//step1.设置阈值(步骤参考：图像的高效编程要点之四)
//计算起点坐标
int startX=width_Aperture/2;
int startY=width_Aperture/2;
//第一行
//这里需要设置3个指针:这三个指针绑定在一起，一起滑动
//1.源图像中被处理的像素
//2.目标图像被处理的像素
//3.源图像滑动窗口
uchar *row_Src=image_Src.data+startY*width_Dst+startX;//源图像
uchar *row_Dst=image_Dst.data+startY*width_Dst+startX;//目标图像
uchar *row_Aperture_Src=image_Src.data;//源图像中的滑动窗口
for (int y=startY;y<=height_Dst-startY-1;++y)
{
//列
uchar *col_Src=row_Src;
uchar *col_Dst=row_Dst;
uchar *col_Aperture_Src=row_Aperture_Src;//操作整个滑动窗口
///////////////对滑动窗口操作//////////////////
//计算每行第一个滑动窗口直方图
//提取滑动窗口图像
uchar *row_Aperture=image_Aperture.data;
uchar *row_Aperture_Src_2=col_Aperture_Src;
for (int k=0;k<=width_Aperture-1;++k)
{
//列
uchar *col_ApertureImage=row_Aperture;
uchar *col_Aperture_Src_2=row_Aperture_Src_2;
for (int w=0;w<=width_Aperture-1;++w)
{
//处理每个像素
col_ApertureImage[0]=col_Aperture_Src_2[0];
//下一个像素
col_ApertureImage++;
col_Aperture_Src_2++;
}
//下一行
row_Aperture+=width_Aperture;
row_Aperture_Src_2+=width_Dst;
}
//step 2.确定中值，并记录亮度<=中值的像素点个数
//求直方图
calcHist(&image_Aperture,
1,//Mat的个数
0,//用来计算直方图的通道索引，通道索引依次排开
Mat(),//Mat()返回一个空值，表示不用mask,
histogram, //直方图
1, //直方图的维数，如果计算2个直方图，就为2
&histogramSize, //直方图的等级数(如灰度等级),也就是每列的行数
0//分量的变化范围
);
//求亮度中值和<=中值的像素点个数
int medianValue,pixleCountLowerMedian;
CalculateImage_MedianGray_PixelCount(histogram,pixelCount,medianValue,pixleCountLowerMedian);
////////////滑动窗口操作结束///////////////////////
//滤波
col_Dst[0]=(uchar)medianValue;
//滑动一个像素(三个指针在一起移动)
col_Dst++;
col_Src++;
col_Aperture_Src++;
for (int x=startX+1;x<=width_Dst-startX-1;++x)//从每行第二个滤波像素开始
{
////////////维持滑动窗口直方图//////////////
//step 3.去掉左侧
uchar *col_Left=col_Aperture_Src-1;
float *data=(float*)histogram.data;
for (int k=0;k<=width_Aperture-1;++k)
{
int gray=col_Left[0];
data[gray]-=1.0;
if (gray<=medianValue)
{
pixleCountLowerMedian--;
}
col_Left+=width_Dst;
}
//step 4.增加右侧
uchar *col_Right=col_Aperture_Src+width_Aperture-1;
for (int k=0;k<=width_Aperture-1;++k)
{
int gray=col_Right[0];
data[gray]+=1.0;
if (gray<=medianValue)
{
pixleCountLowerMedian++;
}
col_Right+=width_Dst;
}
//搜索新的中值
if (pixleCountLowerMedian>thresholdValue)//step 6.
{
while(1)
{
pixleCountLowerMedian-=data[medianValue];
medianValue--;
if (pixleCountLowerMedian<=thresholdValue)
{
break;
}
}
}
else
{
while(pixleCountLowerMedian<thresholdValue)//step 5
{
medianValue++;
pixleCountLowerMedian+=data[medianValue];
}
}
//滤波
col_Dst[0]=(uchar)medianValue;
//滑动一个像素
col_Src++;
col_Dst++;
col_Aperture_Src++;
}//end of x
//下一行
row_Src+=width_Dst;
row_Dst+=width_Dst;
row_Aperture_Src+=width_Dst;
}//end of y
}
//计算亮度中值和灰度<=中值的像素点个数
void CalculateImage_MedianGray_PixelCount(const Mat &histogram,int pixelCount,int &medianValue,int &pixleCountLowerMedian)
{
float *data=(float *)histogram.data;//直方图
int sum=0;
for (int i=0;i<=255;++i)
{
//
sum+=data[i];
if (2*sum>pixelCount)
{
medianValue=i;
pixleCountLowerMedian=sum;
break;
}
}
}使用窗口大小为3*3的窗口，运行效果图：
运行这段代码之前，需要配置一下OpenCV,算法核心和OpenCV没有太大关联。
注意：算法没有处理边界的情况，还不太清楚怎么处理边界，有会的朋友，希望能够一起分享一下边界处理的一些技巧
代码写的不是特别规范，大家有什么看不懂的地方，可以一起讨论讨论
本文出自 “QQ” 博客，请务必保留此出处http://qianqing13579.blog.51cto.com/5255432/1590217
标签：中值滤波
原文地址：http://qianqing13579.blog.51cto.com/5255432/1590217
