Question

我一直在努力做一个程序，对图像应用均值滤镜，我认为我接近正确，但图像中仍有小缺陷。例如：

我可以考虑两个导致这些缺陷的原因。一个算法本身和另一个在将char转换为float然后再次浮动到char的过程中。

Char to float conversion是必要的，因为ifstream的read函数读取char然后我需要乘以1/9，所以它需要是浮点数。然后转换回char，这样write函数就可以将其写回来。

关于算法的一些解释。我开始从第二行的第二个像素计算颜色值，然后继续计算直到第二个最后一行的第二个最后一个像素。那是因为我使用的是3x3的内核，这样我就不会超出图像的限制（以及我存储它的char数组）。对于1024x768的图像，它的大小为1024x768 * 3（3种颜色分量）。所以它从位置开始：bitsPerPixel * image_width + bitsPerPixel或3 * 1024 + 3 = 4099,2°行的2°像素。然后它将计算平均值，直到2°最后一行的2°最后一个像素应该是： imageSize - row_size - bitsPerPixel或（1024 * 768-3） - 1024 * 3 - 3。在该区间中，它将计算char数组中每个位置的值，这意味着像素的每个颜色通道的值将由周围像素的颜色通道计算。这是代码：

int size2 = bpp*width;
float a1_9 = (1.0f/9.0f);
float tmp;
for (int i=size2+bpp; i<size-size2-bpp; i++) {
tmp = a1_9 * ((float) image [i-size2-bpp] + (float) image [i-size2] + (float) image [i-size2+bpp] + (float) image [i-bpp] + (float) image [i] + (float) image [i+bpp] + (float)image [i+size2-bpp] + (float) image [i+size2] + (float) image [i+size2+bpp]);
    image [i] = char (tmp);
    float temp = (float) image [i];
}

我打印了赛车屏幕截图的一次互动的价值，对应于百万位置的价值并得到了这个：

Image values are: -56 -57 -57 9 -43 -41 108 108 109 
tmp it is: 8.88889
temp it is: 8

乍一看这些价值似乎是正确的（手头上的平均值），所以我对错误的原因并不了解。任何帮助将不胜感激。

Answer 1

2关于你的算法的想法：

1。）您正在使用RGB色彩空间？那么为什么你的Image值为负？此外，您不必转换为浮动。只需将整数值加起来并除以9.这要快得多，最后你将它转换回char，所以它应该是相同的结果。

2。）您在每个迭代步骤中覆盖您的图像，这意味着在过滤器模式中：

-------
|1|2|3|
-------
|4|5|6|
-------
|7|8|9|
-------

值1,2,3和4已经过平滑处理，5是从5个非平滑像素和4个平滑像素计算得出的。我建议创建一个新的空白图像并将结果（temp）存储在新图像中，同时从原始图像中读取 - 即不要尝试使用输出图像处理“就地”与输入图像相同。

Answer 2

我在BGR图像格式上实现了3x3模糊滤镜。

重要告示：

以BRG（或RGB）格式过滤和图像时，必须单独过滤每个颜色通道。
当执行过滤器（使用卷积）时，重要的是不来使用＆＃34;到位＆＃34;计算 - 避免源被目标元素覆盖。
乘以（1/9）比除以9更有效。
在整数转换之前添加0.5可用于舍入正值。
通过扩展，缩放和移位执行的（1/9）缩放的定点实现。示例：avg =（sum * scale + rounding）＆gt;＆gt; 15; [当比例=（1/9）* 2 ^ 15]。

我假设内存中的像素顺序是b，g，r，b，g，r ...（b在字节0中）。

以BRG（或RGB）格式过滤图像时，必须单独过滤每个颜色通道！

分色的插图：

bgrbgrbgr
bgrbgrbgr
bgrbgrbgr

分开：

bbb ggg rrr
bbb ggg rrr
bbb ggg rrr

模糊滤镜内核是：
1 / 9,1 / 9,1 / 9
1 / 9,1 / 9,1 / 9
1 / 9,1 / 9,1 / 9
如上所述，过滤器应分别应用于蓝色，绿色和红色。

你可以将每个3x3像素相加并将结果除以9（或者更好地乘以1/9）。
我使用固定点实现乘以1/9，而不是转换为浮点数定点实现用于提高性能（这里不太重要，因为代码没有优化） 我想要展示这项技术......

我使用了一些代码重复，以强调RGB颜色分离我还处理了图像边界（使用对称镜像）。

这是我的代码：

CheckListItemArray

输入图像：

输出图像：

aplying时的小颜色缺陷意味着对图像进行过滤

2 个答案: