【C++】【图像处理】均值滤波和高斯滤波（低通滤波）算法解析（以.raw格式 ...

1. 1 void meanFilter(BYTE* image, int width, int height, BYTE* outImg)
2. 2 {
3. 3     //均值滤波
4. 4     int smth[9];
5. 5     int i, j, m, n;
6. 6     BYTE block[9];
7. 7     
8. 8     // 高斯卷积核初始化
9. 9     smth[0] = 1, smth[1] = 2, smth[2] = 1,
10. 10     smth[3] = 2, smth[4] = 4, smth[5] = 2,
11. 11     smth[6] = 1, smth[7] = 2, smth[8] = 1;
12. 12
13. 13     int value;
14. 14     for (i = 0;i < 9;i++) //初始化均值卷积核
15. 15         smth[i] = 1;
16. 16
17. 17     for (i = 0;i < height;i++)
18. 18         for (j = 0;j < width;j++) {
19. 19             //将输出图像边缘的像素值设为 0
20. 20             if (i == 0 || j == 0 || i == height - 1 || j == width - 1)
21. 21                 outImg[i * width + j] = 0;
22. 22
23. 23             //提取以当前像素为中心的 3x3 区域的像素值，然后利用卷积操作计算这个区域的均值，最后将计算得到的均值作为输出图像中对应位置的像素值
24. 24             else {
25. 25                 for (m = -1;m < 2;m++)
26. 26                     for (n = -1;n < 2;n++)
27. 27                         block[(m + 1) * 3 + n + 1] = image[(i + m) * width + j + n];
28. 28                 value = convolution(smth, block);
29. 29                 outImg[i * width + j] = BYTE(value / 9.0f); // 高斯为 value / 16.0f
30. 30             }
31. 31         }
32. 32
33. 33 }
34. 34
35. 35
36. 36 int convolution(int* operatr, BYTE* block)
37. 37 {
38. 38     int value;
39. 39     int i, j;
40. 40     value = 0;
41. 41     //卷积运算
42. 42     //遍历 3x3 区域内的每个像素，并根据卷积核的权重计算出卷积结果
43. 43     for (i = 0;i < 3;i++)
44. 44         for (j = 0;j < 3;j++)
45. 45             value += operatr[i * 3 + j] * block[i * 3 + j];
46. 46     /*
47. 47     1 1 1
48. 48     1 1 1
49. 49     1 1 1
50. 50
51. 51     0 0 0
52. 52     0 x y
53. 53     0 j k
54. 54     */
55. 55
56. 56     return value;
57. 57
58. 58 }  

复制代码

 
低通滤波和直方图均衡核心点：按照一定的 权重 / 均分比例 处理 一定区域 / 数量上的像素点上的灰度级值。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！