最新博客http://blog.csdn.net/qianqing13579/article/details/42324645修改了均值滤波算法，采用了OpenCV中的copyMakeBorder处理边界
之前在51CTO博客中http://qianqing13579.blog.51cto.com/5255432/1590213，写过均值滤波，但是没有加入对边界的处理，昨天晚上，完成了对边界的处理，代码贴出来，跟大家分享交流一下，没有做太多的优化
void Blur(const Mat &image_Src, Mat &image_Dst, Size size_Aperture)
{
/////////////step 1.重新分配图像(如果需要)//////////////////////////////
//新图像的大小
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
//////////////////////////////step 2.创建一副新图像(对源图像加以扩充)////////////////////////////////////////////
//新图像大小
int width_Extend=size_Aperture.width>>1;
int height_Extend=size_Aperture.height>>1;
int width_New=width_Dst+2*width_Extend;//宽度左右各扩充width_Extend
int height_New=height_Dst+2*height_Extend;//高度上下各扩充height_Extend
//创建新图像
Mat image_New(Size(width_New,height_New),CV_8UC1,Scalar(0));
//拷贝源图像到新图像
int widthStep_New=image_New.cols;//新图像的步长
int widthStep_Src=image_Src.cols;//源图像的步长
int width_Src=width_Dst;
int height_Src=height_Dst;
uchar *row_Src=image_Src.data;
uchar *row_New=image_New.data+height_Extend*widthStep_New+width_Extend;
for (int y=0;y<=height_Src-1;++y)//纵坐标
{
//列
uchar *col_Src=row_Src;
uchar *col_New=row_New;
for (int x=0;x<=width_Src-1;++x)//横坐标
{
//处理每个像素
col_New[0]=col_Src[0];
//下一个像素
col_Src++;
col_New++;
}
//下一行
row_Src+=widthStep_Src;
row_New+=widthStep_New;
}
////////////////////////////step 3.滤波///////////////////////////////////////
//滑动窗口
int width_Aperture=size_Aperture.width;
int height_Aperture=size_Aperture.height;
//计算需要滤波像素的起点坐标
int startX=width_Aperture>>1;
int startY=height_Aperture>>1;
//每列的灰度值和
int *sum_PerCol=new int[width_New];
//对新图像做滤波处理
row_New=image_New.data+startY*widthStep_New+startX;
uchar *row_Dst=image_Dst.data;//第一行
uchar *row_Aperture_New=image_New.data;
for (int y=startY;y<=height_New-startY-1;++y)
{
//列
//uchar *col_New=row_New;
uchar *col_Dst=row_Dst;
uchar *col_Aperture_New=row_Aperture_New;
//计算每列height_Aperture个像素的灰度值和
//第一行，计算所有列的和
if (y==startY)
{
for (int k=0;k<=width_New-1;++k)
{
sum_PerCol[k]=0;
//每列第一个指针
uchar *col_PerLine=col_Aperture_New+k;
for (int t=0;t<=height_Aperture-1;++t)
{
sum_PerCol[k]+=col_PerLine[0];
col_PerLine+=widthStep_New;//下一行
}
}
}
else//非第一行
{
for (int k=0;k<=width_New-1;++k)
{
//每列第一个指针
uchar *col_=col_Aperture_New+k;
sum_PerCol[k]-=col_[0-widthStep_New];//减上面
sum_PerCol[k]+=col_[0+(height_Aperture-1)*widthStep_New];//加下面
}
}
//计算width_Aperture行的列总和
int sum_Aperture=0;
for (int x=startX;x<=width_New-startX-1;++x)
{
//每行第一个元素，求width_Aperture个列和
if (x==startX)
{
for (int k=0;k<=width_Aperture-1;++k)
{
sum_Aperture+=sum_PerCol[k];
}
}
else//非第一个元素
{
//减去左边
sum_Aperture-=sum_PerCol[x-startX-1];
//加上右边
sum_Aperture+=sum_PerCol[x+startX];
}
//////////////////边界处理：计算滑动窗口内灰度值非零的像素点个数///////////////////
//中间区域：窗口内所有像素点
int pixelCount=width_Aperture*height_Aperture;
//上边界:部分像素点
if (y<=2*startY)
{
int w=(x+1)<width_Aperture?(x+1):width_Aperture;
pixelCount=(y+1)*w;
}
//左边界
if(x<=2*startX)
{
int h=(y+1)<height_Aperture?(y+1):height_Aperture;
pixelCount=(x+1)*h;
}
//下边界
if (y>=height_New-2*startY)
{
int w=(x+1)<width_Aperture?(x+1):width_Aperture;
pixelCount=(height_New-y)*w;
}
//右边界
if(x>=width_New-2*startX)
{
int h=(y+1)<=height_Aperture?(y+1):height_Aperture;
pixelCount=(width_New-x)*h;
//最右下角(宽度和高度都在减小):这个角特别注意，需要特殊处理
if (y>=height_New-2*startY)
{
int h=height_New-y;
pixelCount=(width_New-x)*h;
}
}
//求均值
uchar meanValue=sum_Aperture/pixelCount;
col_Dst[0]=meanValue;
//滑动一个像素
col_Dst++;
//col_New++;
}
//下一行
//row_New+=width_New;
row_Dst+=width_Dst;
row_Aperture_New+=width_New;
}
}
算法运行之前，需要配置一下OpenCV,算法核心与OpenCV没有太多关联
与OpenCV中的blur函数对比了一下
测试环境：VS2008 Release版本,Lena.bmp,迭代16次，窗口大小:Size(5,3)
平均运行时间，OpenCV为3ms，上面的算法为6ms，慢了整整一倍啊！后面还需要更多的优化工作。
运行结果图：
其中OpenCV的结果图与上面的算法结果图基本一致，我用PS将两幅图像做了减法，两幅图像基本一样