快速中值滤波算法

　　中值滤波算法：

　　　　　　在图像处理中，在进行如边缘检测这样的进一步处理之前，通常需要首先进行一定程度的降噪。中值滤波是一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，丢弃最早的值，取得新的采样，重复上面的计算过程。中值滤波是图像处理中的一个常用步骤，它对于斑点噪声和椒盐噪声来说尤其有用。保存边缘的特性使它在不希望出现边缘模糊的场合也很有用。

　　　　　　为了演示中值滤波器的工作过程，我们给下面的数组加上观察窗 3 ，重复边界的数值：

　　　　　　x = [2 80 6 3]

　　　　　　y[1] = Median[2 2 80] = 2
　　　　　　y[2] = Median[2 80 6] = Median[2 6 80] = 6
　　　　　　y[3] = Median[80 6 3] = Median[3 6 80] = 6
　　　　　　y[4] = Median[6 3 3] = Median[3 3 6] = 3

　　　　　　于是
　　　　　　y = [2 6 6 3]

　　　　　　其中 y 是 x 的中值滤波输出。

　　　　　　普通中值滤波算法伪代码：

　　　　　　Input: image X of size m*n, kernel radius r.

　　　　　　output: image Y as X.

　　　　　　for i = r to m - r do

　　　　　　　　for j = r to n - r do

　　　　　　　　　　initialize list A[]

　　　　　　　　　　for a = i-r to i+r

　　　　　　　　　　　　for b = j-r to j+r

　　　　　　　　　　　　　　add X(a, b) to A[]

　　　　　　　　　　　　end

　　　　　　　　　　sort A[] then Y(i ,j) = A[A.size/2]

　　　　　　　　end

　　　　　　处理前：

　　　　　　处理后：

　　但是，上述算法在像素处理处的复杂度为O(r²).

　　OpenCV实现代码：

#include "cv.h"
#include "highgui.h"
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char* argv[])
{
        Mat src = imread("beauty.jpg");
        Mat dst;

        //参数是按顺序写的

        //高斯滤波
        //src:输入图像
        //dst:输出图像
        //Size(5,5)模板大小，为奇数
        //x方向方差
        //Y方向方差
        GaussianBlur(src,dst,Size(5,5),0,0);
        imwrite("gauss.jpg",dst);
        
        //中值滤波
        //src:输入图像
        //dst::输出图像
        //模板宽度，为奇数
        medianBlur(src,dst,3);
        imwrite("med.jpg",dst);
        
        //均值滤波
        //src:输入图像
        //dst:输出图像
        //模板大小
        //Point(-1,-1):被平滑点位置，为负值取核中心
        blur(src,dst,Size(3,3),Point(-1,-1));
        imwrite("mean.jpg",dst);

        //双边滤波
        //src:输入图像
        //dst:输入图像
        //滤波模板半径
        //颜色空间标准差
        //坐标空间标准差
        bilateralFilter(src,dst,5,10.0,2.0);//这里滤波没什么效果，不明白
        imwrite("bil.jpg",dst);

        waitKey();

        return 0;
}

View Code