中值濾波演算法

⑴ 跪求快速中值濾波演算法matlab源代碼

你注意了，imread(路徑，'name.jpg'),我是以我電腦的圖片給你做的，你運行時候，MATLAB路徑要改到你需要處理圖片的路徑。

代碼如下：

I=imread('11.jpg');%讀取圖像，

subplot(2,2,1),imshow(I);title('原圖');%顯示原圖像

J=rgb2gray(I);%把彩色圖像轉化為灰度圖像

subplot(2,2,2),imshow(J);title('灰度圖');%顯示灰度圖像

J=imnoise(J,'salt&pepper',0.005);%加上椒鹽雜訊

subplot(2,2,3),imshow(J);title('椒鹽雜訊圖');%顯示加上椒鹽的圖像

H=medfilt2(J);%中值濾波

subplot(2,2,4),imshow(H);title('處理後圖');%顯示中值濾波後的圖像

中值濾波器適合於椒鹽濾波，均值濾波器適合於高斯雜訊

希望能幫到你！

⑵ 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。

⑶ 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。

⑷ 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。

⑸ 有哪些措施可以提高中值濾波演算法的速度

中值濾波法是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值.
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。

⑹ 中值濾波

中值濾波是把所取范圍內所有像素的值取平均，然後設置為當前像素的值，例如，如果當前像素位置為（3, 3），那麼就是把以它為中心的3*3范圍的像素值取平均設置為（3，3）的值

是每個像素都是這樣處理的~
也就是說，你不能直接在原圖像上改，而是要新建一個圖像來做~

⑺ 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。

⑻ 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。

(8)中值濾波演算法擴展閱讀：

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。

⑼ 中值濾波演算法處理數字圖像，去除椒鹽雜訊，圖像變清晰，次數越多圖像越模糊，但是怎麼變回去呢求反過程

中值濾波是非線性的，這個過程不可逆，如果你非常了解中值濾波的原理，應該是知道的。
要是真的想要返回去的話，可以試一下為每次中值濾波後的數據開辟新的內存，想返回的話就從內存中提取前一步的數據。