均值滤波中值滤波高斯平滑滤波

最新推荐文章于 2025-06-23 10:44:42 发布

原创

最新推荐文章于 2025-06-23 10:44:42 发布 · 9.7k 阅读

11 ·

CC 4.0 BY-SA版权

均值滤波是一种线性滤波方法，通过计算目标像素周围邻域的平均值来平滑图像，但可能导致图像细节丢失。高斯平滑则是使用高斯权重对邻域像素进行加权平均，适用于消除高斯噪声，保持图像边缘。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

图像平滑用于去除图像中的噪声。高斯平滑，就是将每个像素的灰度值用其领域的加权平均值代替。该算法简单，能够有效去除高斯噪声。

高斯平滑模板：

//高斯平滑  中值滤波  均值滤波    
#include<cv.h>    
#include<highgui.h>  

// 高斯平滑  
// 1. pImageData   图像数据  
// 2. nWidth       图像宽度  
// 3. nHeight      图像高度  
// 4. nWidthStep   图像行大小 
bool SmoothGauss(unsigned char *pImageData, int nWidth, int nHeight, int nWidthStep)
{
    int i = 0;
    int j = 0;
    int nValue = 0;
    unsigned char *pLine[3] = { NULL, NULL, NULL };
    int nTemplate[9] =
    {
        1, 2, 1,
        2, 4, 2,
        1, 2, 1
    };
    for (j = 1; j < nHeight - 1; j++)
    {
        pLine[0] = pImageData + nWidthStep * (j - 1);  //对应3行3列高斯模板矩阵中的 3行列。
        pLine[1] = pImageData + nWidthStep * j;
        pLine[2] = pImageData + nWidthStep * (j + 1);
        for (i = 1; i < nWidth - 1; i++)
        {
            nValue =
                (pLine[0][i - 1] * nTemplate[0] +    //对应3行3列矩阵中的各个点。
                pLine[0][i] * nTemplate[1