### C++
OpenCV 中值滤波 使用方法
在 C++ 编程环境中，
OpenCV 提供了一个简单易用的函数 `cv::medianBlur` 来实现
中值滤波功能。该函数可以有效地去除图像中的椒盐噪声并保留边缘细节。
#### 函数原型
以下是 `cv::medianBlur` 的函数声明：
```cpp
void medianBlur(InputArray src, OutputArray dst, int ksize);
```
- **参数说明**：
- `src`: 输入图像矩阵。
- `dst`: 输出图像矩阵，
与输入图像具有相同的尺寸和类型。
- `ksize`: 滤波窗口大小，必须为正奇数（如3、5、7等），表示模板边长。
#### 示例代码
下面是一个完整的示例程序，演示如何使用
OpenCV 对图像应用
中值滤波：
```cpp
#include <
opencv2/
opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 载入原始图像
Mat image = imread("input_image.jpg");
if (image.empty()) {
cout << "无法读取图像，请检查路径是否正确!" << endl;
return -1;
}
// 创建窗口用于显示图像
namedWindow("原图", WINDOW_AUTOSIZE);
namedWindow("
中值滤波效果", WINDOW_AUTOSIZE);
// 显示原始图像
imshow("原图", image);
// 定义输出图像变量
Mat outputImage;
// 应用
中值滤波，设置窗口大小为7x7
medianBlur(image, outputImage, 7);
// 显示滤波后的图像
imshow("
中值滤波效果", outputImage);
// 等待按键事件
waitKey(0);
return 0;
}
```
#### 结果分析
通过调整 `ksize` 参数，可以控制滤波的
效果强度。较大的窗口会更有效地减少噪声，但可能导致图像变得模糊[^3]。因此，在实际应用中需根据具体需求选择合适的窗口大小。
---
### 自定义
中值滤波实现
除了直接调用
OpenCV 提供的 `cv::medianBlur` 外，还可以手动编写
中值滤波算法。以下是一段基于边界扩展和排序操作的手动实现代码：
```cpp
#include <
opencv2/
opencv.hpp>
#include <vector>
#include <algorithm>
#include <iostream>
using namespace cv;
using namespace std;
// 手动实现
中值滤波
void customMedianFilter(Mat& src, Mat& dst, Size kernelSize) {
if (kernelSize.width % 2 == 0 || kernelSize.height % 2 == 0) {
cerr << "错误：核大小必须为奇数！" << endl;
return;
}
int halfWidth = kernelSize.width / 2;
int halfHeight = kernelSize.height / 2;
// 边界填充
Mat paddedSrc;
copyMakeBorder(src, paddedSrc, halfHeight, halfHeight, halfWidth, halfWidth, BORDER_REPLICATE);
dst.create(src.size(), src.type());
for (int y = halfHeight; y < paddedSrc.rows - halfHeight; ++y) {
for (int x = halfWidth; x < paddedSrc.cols - halfWidth; ++x) {
vector<int> windowValues;
// 收集当前窗口内的像素值
for (int ky = -halfHeight; ky <= halfHeight; ++ky) {
for (int kx = -halfWidth; kx <= halfWidth; ++kx) {
windowValues.push_back(paddedSrc.at<uchar>(y + ky, x + kx));
}
}
// 排序并获取中位数
sort(windowValues.begin(), windowValues.end());
dst.at<uchar>(y - halfHeight, x - halfWidth) = windowValues[windowValues.size() / 2];
}
}
}
int main() {
Mat input = imread("noisy_image.png", IMREAD_GRAYSCALE);
if (input.empty()) {
cout << "无法加载图像！" << endl;
return -1;
}
Mat result;
customMedianFilter(input, result, Size(5, 5));
imshow("Original Image", input);
imshow("Custom Median Filtered", result);
waitKey(0);
return 0;
}
```
此代码展示了如何不依赖内置函数而自行完成
中值滤波过程，适合学习理解其实现机制[^4]。
---
### 性能比较
对于大多数应用场景而言，推荐优先使用
OpenCV 内置的 `cv::medianBlur` 方法，因为它经过高度优化，性能远优于
手写版本。然而，了解底层逻辑有助于深入掌握图像处理技术[^5]。
---
本文通过对比手写中值滤波和OpenCV库实现的中值滤波，展示了两者在图像去噪方面的相似效果。尽管手写实现与OpenCV在视觉效果上接近，但在效率上存在显著差距。文章提供了代码示例，解释了中值滤波的工作原理，并强调其在消除椒盐噪声上的优势。
最低0.47元/天 解锁文章
扫一扫
3170
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
