现在的位置: 首页 > 综合 > 正文

高效中值滤波的方法及实现

2017年03月16日 ⁄ 综合 ⁄ 共 3785字 ⁄ 字号 评论关闭

CSDN博客开了这么久了,都没有写过一篇博客,之前在51CTO也写过一些博客,http://qianqing13579.blog.51cto.com/,写博客还是有很多好处的,在帮助他人的同时,自己也能够学到更多的东西,同时也带给你分享的喜悦,技术,是需要分享与交流的,前段时间一直在写图像的算法,那就从图像中的各种算法开始,开启我的CSDN博客之旅吧!

注:以后会更多使用CSDN博客

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;
		}
	}
}

使用大小为3*3的窗口

与OpenCV中的中值滤波算法对比了一下,处理结果基本一致,但是算法速度慢好多。以后还需要进一步优化

运行这段代码之前,需要配置一下OpenCV。

注意:算法没有处理边界的情况,所以边界像素都是黑色的。

代码写的不是特别规范,算法也没有做太多的优化,大家有什么看不懂的地方,可以一起讨论讨论

【上篇】
【下篇】