中值濾波演算法33

㈠ 求中值濾波快速演算法(用MATLAB實現)的程序

// 中值濾波對椒鹽雜訊
RGB=imread('peppers','PNG');
I=rgb2gray(RGB);
J=imnoise(I,'salt & pepper',0.02);
subplot(121),imshow(J);
L=medfilt2(J,[3 3]);
subplot(122),imshow(L);

㈡ VC中值濾波快速演算法

unsigned char WINAPI GetMedianNum(unsigned char * bArray, int iFilterH,int iFilterW)
{
/* unsigned char m = mid(
mid(bArray[0],bArray[1],bArray[2]),
mid(bArray[3],bArray[4],bArray[5]),
mid(bArray[6],bArray[7],bArray[8]));
return m;*/
// 循環變數
int i;
int j;
int k;
// 中間變數
unsigned char bTemp;
int iFilterLen=iFilterH*iFilterW;
float average=0;//用於均值加速
//求均值
for (i=0;i<iFilterLen;i++)
{
average+=bArray[i];
}
average=average/iFilterLen;
unsigned char pixel_mid;
pixel_mid=bArray[(iFilterH-1)/2*iFilterW+(iFilterW-1)/2];//濾波窗口中心的取中值前的像素值

if (abs(average-pixel_mid)>10) //均值加速，其中「10」為原中值和均值之差，根據你的實際情況自行設置大小
//if(1) //不用均值加速時選此
{
//超快速中值法（本質就是偽中值法）
//行排列
if (0)
{
for (k = 0; k < iFilterH; k ++)
{
for (j = 0; j < iFilterH-1; j ++)
{
for (i = 0; i < iFilterW-1-j; i++)
{
number++;
if (bArray[i+iFilterH*k] > bArray[i+iFilterH*k+1])
{ // 互換
bTemp = bArray[i+iFilterH*k];
bArray[i+iFilterH*k] = bArray[i+iFilterH*k+1];
bArray[i+iFilterH*k+1] = bTemp;
}
}

還有什麼疑問，把郵箱發給我。

㈢ 何謂中值濾波有何特點

中值濾波是對一個滑動窗口內的諸像素灰度值排序，用其中值代替窗口中心象素的原來灰度值，它是一種非線性的圖像平滑法，它對脈沖干擾級椒鹽雜訊的抑制效果好，在抑制隨機雜訊的同時能有效保護邊緣少受模糊。

中值濾波經常用於去除圖像或者其它信號中的雜訊。這個設計思想就是檢查輸入信號中的采樣並判斷它是否代表了信號，使用奇數個采樣組成的觀察窗實現這項功能。觀察窗口中的數值進行排序，位於觀察窗中間的中值作為輸出。然後，丟棄最早的值，取得新的采樣，重復上面的計算過程。

(3)中值濾波演算法33擴展閱讀：

中值濾波是基於排序統計理論的一種能有效抑制雜訊的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的雜訊點。方法是用某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升（或下降）的為二維數據序列。

㈣ c語言中值濾波問題

1. 是規定做中值濾波的點不含邊緣的點(取決於中值濾波窗口大小)。 2,對圖像邊緣部分的信息進行鏡像處理。

㈤ 中值濾波的定義

中值濾波對脈沖雜訊有良好的濾除作用，特別是在濾除雜訊的同時，能夠保護信號的邊緣，使之不被模糊。這些優良特性是線性濾波方法所不具有的。此外，中值濾波的演算法比較簡單，也易於用硬體實現。所以，中值濾波方法一經提出後，便在數字信號處理領得到重要的應用。
中值濾波方法：對一個數字信號序列xj(-∞<j<∞)進行濾波處理時，首先要定義一個長度為奇數的L長窗口，L=2N+1，N為正整數。設在某一個時刻，窗口內的信號樣本為x(i-N)，…，x(i)，…，x(i+N)，其中x(i)為位於窗口中心的信號樣本值。對這L個信號樣本值按從小到大的順序排列後，其中值，在i處的樣值，便定義為中值濾波的輸出值，寫為如圖1.
中值濾波是在「最小絕對誤差」准則下的最優濾波。
在實際應用中，隨著所選用窗口長度的增加，濾波的計算量將會迅速增加。因此，尋求中值濾波的快速演算法，是中值濾波理論的一個重要研究內容。中值濾波的快速演算法，一般採用下述三種方式：①直方圖數據修正法；②樣本值二進製表示邏輯判斷法；③數字和模擬的選擇網路法。
對中值濾波的理論研究，還集中於統計特性分析和根序列的描述方面。當一個信號序列經一特定窗口長度的中值濾波反復處理後，它會收斂於某一個不再變化的序列，這個序列稱為中值濾波的根序列。根序列是描述中值濾波特性的一個重要概念。通過對根序列結構的研究，可以確定原信號序列中，哪些成分可以經中值濾波後保留下來，哪些成分將被抑制。這對確定中值濾波器的窗口長度，提供了重要依據。用VLSI實現的中值濾波器晶元，可供實時處理中應用。

㈥ 請問中值濾波與均值濾波各自的優缺點

均值濾波和中值濾波的內容非常基礎，均值濾波相當於低通濾波，有將圖像模糊化的趨勢，對椒鹽雜訊基本無能為力。中值濾波的優點是可以很好的過濾掉椒鹽雜訊，缺點是易造成圖像的不連續性。通過下面三張圖可以清楚看到以上兩種濾波方法的差異。

利用均值濾波處理後，椒鹽雜訊被處理成了小的氣泡，但與此同時圖像開始變得模糊。

拓展資料：

中值濾波是基於排序統計理論的一種能有效抑制雜訊的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的雜訊點。方法是用某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升(或下降)的為二維數據序列。二維中值濾波輸出為g(x,y)=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分別為原始圖像和處理後圖像。W為二維模板，通常為3*3，5*5區域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環形等。

均值濾波也稱為線性濾波，其採用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點(x，y)，選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點(x，y)，作為處理後圖像在該點上的灰度g(x，y)，即g(x，y)=1/m ∑f(x，y) m為該模板中包含當前像素在內的像素總個數。

㈦ 濾波在數學上是如何實現的

在單片機進行數據採集時，會遇到數據的隨機誤差，隨機誤差是由隨機干擾引起的，其特點是在相同條件下測量同一量時，其大小和符號會現無規則的變化而無法預測，但多次測量的結果符合統計規律。為克服隨機干擾引起的誤差，硬體上可採用濾波技術，軟體上可採用軟體演算法實現數字濾波。濾波演算法往往是系統測控演算法的一個重要組成部分，實時性很強。

採用數字濾波演算法克服隨機干擾的誤差具有以下優點：

1、數字濾波無需其他的硬體成本，只用一個計算過程，可靠性高，不存在阻抗匹配問題。尤其是數字濾波可以對頻率很低的信號進行濾波，這是模擬濾波器做不到的。
2、數字濾波使用軟體演算法實現，多輸入通道可共用一個濾波程序，降低系統開支。
3、只要適當改變濾波器的濾波程序或運算，就能方便地改變其濾波特性，這對於濾除低頻干擾和隨機信號會有較大的效果。
4、在單片機系統中常用的濾波演算法有限幅濾波法、中值濾波法、算術平均濾波法、加權平均濾波法、滑動平均濾波等。

(1)限幅濾波演算法

該運算的過程中將兩次相鄰的采樣相減，求出其增量，然後將增量的絕對值，與兩次采樣允許的最大差值A進行比較。A的大小由被測對象的具體情況而定，如果小於或等於允許的最大差值，則本次采樣有效;否則取上次采樣值作為本次數據的樣本。

演算法的程序代碼如下：

#defineA //允許的最大差值
chardata; //上一次的數據
char filter()
{
chardatanew; //新數據變數
datanew=get_data(); //獲得新數據變數
if((datanew-data)>A||(data-datanew>A))
return data;
else
returndatanew;
}

說明：限幅濾波法主要用於處理變化較為緩慢的數據，如溫度、物體的位置等。使用時，關鍵要選取合適的門限制A。通常這可由經驗數據獲得，必要時可通過實驗得到。

(2)中值濾波演算法

該運算的過程是對某一參數連續采樣N次(N一般為奇數)，然後把N次采樣的值按從小到大排列，再取中間值作為本次采樣值，整個過程實際上是一個序列排序的過程。

演算法的程序代碼如下：
#define N11 //定義獲得的數據個數
char filter()
{
charvalue_buff[N]; //定義存儲數據的數組
char count,i,j,temp;
for(count=0;count
{
value_buf[count]=get_data();
delay(); //如果採集數據比較慢，那麼就需要延時或中斷
}
for(j=0;j
{
for(value_buff[i]>value_buff[i+1]
{
temp=value_buff[i];
value_buff[i]=value_buff[i+1];
value_buff[i+1]=temp;
}
}
returnvalue_buff[(N-1)/2];
}

說明：中值濾波比較適用於去掉由偶然因素引起的波動和采樣器不穩定而引起的脈動干擾。若被測量值變化比較慢，採用中值濾波法效果會比較好，但如果數據變化比較快，則不宜採用此方法。

(3)算術平均濾波演算法

該演算法的基本原理很簡單，就是連續取N次采樣值後進行算術平均。
演算法的程序代碼如下：
char filter()
{
int sum=0;
for(count=0;count
{
sum+=get_data();
delay():
}
return (char)(sum/N);
}

說明：算術平均濾波演算法適用於對具有隨機干擾的信號進行濾波。這種信號的特點是有一個平均值，信號在某一數值附近上下波動。信號的平均平滑程度完全到決於N值。當N較大時，平滑度高，靈敏度低;當N較小時，平滑度低，但靈敏度高。為了方便求平均值，N一般取4、8、16、32之類的2的整數冪，以便在程序中用移位操作來代替除法。

(4)加權平均濾波演算法

由於前面所說的「算術平均濾波演算法」存在平滑度和靈敏度之間的矛盾。為了協調平滑度和靈敏度之間的關系，可採用加權平均濾波。它的原理是對連續N次采樣值分別乘上不同的加權系數之後再求累加，加權系數一般先小後大，以突出後面若干采樣的效果，加強系統對參數變化趨勢的認識。各個加權系數均小於1的小數，且滿足總和等於1的結束條件。這樣加權運算之後的累加和即為有效采樣值。其中加權平均數字濾波的數學模型是：

式中：D為N個采樣值的加權平均值：XN-i為第N-i次采樣值;N為采樣次數;Ci為加權系數。加權系數Ci體現了各種采樣值在平均值中所佔的比例。一般來說采樣次數越靠後，取的比例越大，這樣可增加新采樣在平均值中所佔的比重。加權平均值濾波法可突出一部分信號抵制另一部分信號，以提高采樣值變化的靈敏度。

樣常式序代碼如下：

char codejq[N]={1,2,3,4,5,6,7,8,9,10,11,12}; //code數組為加權系數表，存在程序存儲區
char codesum_jq=1+2+3+4+5+6+7+8+9+10+11+12;
char filter()
{
char count;
char value_buff[N];
int sum=0;
for(count=0;count
{
value_buff[count]=get_data();
delay();
}
for(count=0;count
sum+=value_buff[count]*jq[count];
return(char)(sum/sum_jq);
}

(5)滑動平均濾波演算法

以上介紹和各種平均濾波演算法有一個共同點，即每獲取一個有效采樣值必須連續進行若干次采樣，當采速度慢時，系統的實時得不到保證。這里介紹的滑動平均濾波演算法只採樣一次，將一次采樣值和過去的若干次采樣值一起求平均，得到的有效采樣值即可投入使用。如果取N個采樣值求平均，存儲區中必須開辟N個數據的暫存區。每新採集一個數據便存入暫存區中，同時去掉一個最老數據，保存這N個數據始終是最新更新的數據。採用環型隊列結構可以方便地實現這種數據存放方式。

程序代碼如下：
char value_buff[N];
char i=0;
char filter()
{
char count;
int sum=0;
value_buff[i++]=get_data();
if(i==N)
i=0;
for(count=0;count
sum=value_buff[count];
return (char)(sum/N);
}

(6)低通濾波

將普通硬體RC低通濾波器的微分方程用差分方程來表求，變可以採用軟體演算法來模擬硬體濾波的功能，經推導，低通濾波演算法如下：

Yn=a* Xn+(1-a) *Yn-1
式中 Xn——本次采樣值
Yn-1——上次的濾波輸出值;
，a——濾波系數，其值通常遠小於1;
Yn——本次濾波的輸出值。

由上式可以看出，本次濾波的輸出值主要取決於上次濾波的輸出值(注意不是上次的采樣值，這和加權平均濾波是有本質區別的)，本次采樣值對濾波輸出的貢獻是比較小的，但多少有些修正作用，這種演算法便模擬了具體有教大慣性的低通濾波器功能。濾波演算法的截止頻率可用以下式計算：

fL=a/2Pit pi為圓周率3.14…
式中 a——濾波系數;
， t——采樣間隔時間;
例如：當t=0.5s(即每秒2次)，a=1/32時;
fL=(1/32)/(2*3.14*0.5)=0.01Hz

當目標參數為變化很慢的物理量時，這是很有效的。另外一方面，它不能濾除高於1/2采樣頻率的干攪信號，本例中采樣頻率為2Hz，故對1Hz以上的干攪信號應採用其他方式濾除，

低通濾波演算法程序於加權平均濾波相似，但加權系數只有兩個：a和1-a。為計算方便，a取一整數，1-a用256-a，來代替，計算結果捨去最低位元組即可，因為只有兩項，a和1-a，均以立即數的形式編入程序中，不另外設表格。雖然采樣值為單元位元組(8位A/D)。為保證運算精度，濾波輸出值用雙位元組表示，其中一個位元組整數，一位元組小數，否則有可能因為每次捨去尾數而使輸出不會變化。
設Yn-1存放在30H(整數)和31H(小數)兩單元中，Yn存放在32H(整數)和33H(小數)中。濾波程序如下：
雖千萬里，吾往矣。

㈧ 計算3x3窗口的均值濾波和中值濾波（向下取整保留整數值）。

均值濾波和中值濾波屬於空域圖像增強的處理方法，均值濾波去麻點，中值濾波保邊緣。

要進行均值濾波首先要生成一個3x3矩陣。演算法運算窗口一般採用奇數點的鄰域來計算中值，最常用的窗口有3X3和5X5模型。

1、通過2個或者3個RAM的存儲來實現3X3像素窗口。

2、通過2個或者3個FIFO的存儲來實現3X3像素窗口。

3、通過2行或者3行Shift_RAM的存儲來實現3X3像素窗口。

(8)中值濾波演算法33擴展閱讀：

注意事項：

1、空間域指圖像本身，空域變換直接對圖像中的像素進行操作。

2、在進行橫向滑動窗口濾波時，窗口中的像素僅僅是丟掉了左側一列，增加了右側一列數據，如果丟掉中間重疊的這一部分數據，到下個窗口再重新定址和讀取數據，無疑是計算的沉重負擔，所以該演算法的核心思想就是充分利用重疊部分，使用直方圖來計算中值，不需要排序演算法，快，且高效。

3、注意到兩個直方圖的累加是一個O(1)操作，和直方圖的元素個數有關，而直方圖元素個數是由圖像位深決定的。

㈨ 對下圖做3*3的中值濾波處理，下出處理結果。

手寫演算法是：所謂3*3就是一個3*3的網格，

• 用這個3*3的網格放在上題8*8網格的最左上角位置，

• 然後找出這九個網格中的數字的中位數，用這個中位數換掉在這個3*3網格的中間位置的原來數字，

• 然後把3*3網格繼續往右移一個格子，重復上述操作，最右邊兩列數字不用管，因為網格會越界，

• 然後把3*3網格的最上角的格子與8*8網格的第二行第一列格子對其，重復2）3）操作

• 重復4）操作

• 最後會發現一共遍歷了36次，得到結果！