數字圖像處理：快速均值濾波

數字圖像處理實驗 快速均值濾波

實驗題目: 實驗5.1 快速均值濾波

實驗5.1 快速均值濾波

實驗過程中遇到和解決的問題：

指針通路

opencv圖像存儲按照一行一行存儲，通路

(row,col+t)

位置，指針要考慮channnel移動：

p1=p+channel*t

,然後使用 p1[0],p1[2],p1[1] 來讀取具體的值.

p(row)

通路行指針，計算

channelxcols

得到列指針數目，也可以周遊；

relate code

:

和内置的算法有亮暗上的差異

過程中使用uchar存儲圖像偏黑：過程中的小數取整偏小，偏黑。

使用double存儲：

濾波核大小奇數偶數大小

偶數特殊處理，修改成奇數：

//濾波核隻能為奇數，偶數轉化為奇數
	if (window_size %2 == 0) {
		cout << "MeanFilter window size must be odd but size=" << window_size << "\n";
		window_size++;
	}
           

與OpenCV的boxFilter函數比較計算速度

差異分析：

差異：這裡使用的是提前計算好積分圖，後面直接使用積分圖計算圖像值的時間，大概是

boxfilter

的兩倍時間

算上初始化積分圖時間:

原因分析：

• 初始化不同

  Boxfilter的初始化：

  

  1、給定一張圖像，寬高為（M,N），确定待求矩形模闆的寬高(m,n)，如圖紫色矩形。圖中每個黑色方塊代表一個像素，紅色方塊是假想像素。

  2、開辟一段大小為M的數組，記為buff, 用來存儲計算過程的中間變量，用紅色方塊表示

  3、将矩形模闆（紫色）從左上角（0，0）開始，逐像素向右滑動，到達行末時，矩形移動到下一行的開頭（0，1），如此反複，每移動到一個新位置時，計算矩形内的像素和，儲存在數組A中。以(0,0)位置為例進行說明：首先将綠色矩形内的每一列像素求和，結果放在buff内（紅色方塊），再對藍色矩形内的像素求和，結果即為紫色特征矩形内的像素和，把它存放到數組A中，如此便完成了第一次求和運算。

  4、每次紫色矩形向右移動時，實際上就是求對應的藍色矩形的像素和，此時隻要把上一次的求和結果減去藍色矩形内的第一個紅色塊，再加上它右面的一個紅色塊，就是目前位置的和了，用公式表示 sum[i] = sum[i-1] - buff[x-1] + buff[x+m-1]

  5、當紫色矩形移動到行末時，需要對buff進行更新。因為整個綠色矩形下移了一個像素，是以對于每個buff[i], 需要加上一個新進來的像素，再減去一個出去的像素，然後便開始新的一行的計算了。

  Boxfilter的初始化過程非常快速，每個矩形的計算基本上隻需要一加一減兩次運算。

​ 而這裡采用了二維字首和的方法.

• 提取矩陣特征不同:Boxfilter：1次運算;這裡：2次加法，2次減法；

結果分析與體會：

• 在效果上和

  boxfilter

  基本一緻.

源碼

代碼連接配接