|
均值滤波是一种线性滤波器,处理思路也很简单,就是将一个窗口区域中的像素计算平均值,然后将窗口中计算得到的均值设置为锚点上的像素值。
该算法有优点在于效率高,思路简单。同样,缺点也很明显,计算均值会将图像中的边缘信息以及特征信息“模糊”掉,会丢失很多特征。
计算均值滤波时可以采用很多优化手段,例如使用积分图的方法对图像进行预处理,处理过后的图像可以通过O(1)的时间复杂度获取窗口区域中的像素和。如果使用并行以及SSE指令集来进行加速,效果会更快。
下面代码使用简单的卷积方案来实现,既然是计算窗口区域中的像素和,即使用如下卷积核即可。图像的边界部分采用padding操作处理。另外,得到的锚点像素值要进行归一化,即除以窗口尺寸大小。
kernel=⎡⎣⎢111111111⎤⎦⎥(3) kernel=\left[\begin{matrix}1 & 1 & 1 \\1 & 1 & 1 \\1 & 1 & 1\end{matrix}\right] \tag{3}
kernel=
⎣
⎡
1
1
1
1
1
1
1
1
1
⎦
⎤
(3)
void MeanFilter(const Mat &src, Mat &dst, int ksize)//均值滤波
{
CV_Assert(ksize % 2 == 1);
int *kernel = new int[ksize*ksize];
for (int i = 0; i < ksize*ksize; i++)
kernel[i] = 1;
Mat tmp;
int len = ksize / 2;
tmp.create(Size(src.cols + len, src.rows + len), src.type());//添加边框
dst.create(Size(src.cols, src.rows), src.type());
int channel = src.channels();
uchar *ps = src.data;
uchar *pt = tmp.data;
for (int row = 0; row < tmp.rows; row++)//添加边框的过程
{
for (int col = 0; col < tmp.cols; col++)
{
for (int c = 0; c < channel; c++)
{
if (row >= len && row < tmp.rows - len && col >= len && col < tmp.cols - len)
pt[(tmp.cols * row + col)*channel + c] = ps[(src.cols * (row - len) + col - len) * channel + c];
else
pt[(tmp.cols * row + col)*channel + c] = 0;
}
}
}
uchar *pd = dst.data;
pt = tmp.data;
for (int row = len; row < tmp.rows - len; row++)//卷积的过程
{
for (int col = len; col < tmp.cols - len; col++)
{
for (int c = 0; c < channel; c++)
{
short t = 0;
for (int x = -len; x <= len; x++)
{
for (int y = -len; y <= len; y++)
{
t += kernel[(len + x) * ksize + y + len] * pt[((row + x) * tmp.cols + col + y) * channel + c];
}
}
pd[(dst.cols * (row - len) + col - len) * channel + c] = saturate_cast<ushort> (t/(ksize*ksize));//防止数据溢出ushort是16为数据
}
}
}
delete[] kernel;
}
|
|