//中值滤波和均值大概这个样子
网站建设哪家好，找成都创新互联！专注于网页设计、网站建设、微信开发、小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了山南免费建站欢迎大家使用！
int nByteWidth=nWidth*3;
if (nByteWidth%4) nByteWidth+=4-(nByteWidth%4);
BYTE p[9],s;
int i,j;
for(y=1;ynHeight-1;y++)
{
for(x=3;xnWidth*3-3;x++)
{
//把一个像素周围的8个像素值分别赋值给p[0]到p[8]
p[0]=lpInput[x-3+(y-1)*nByteWidth];
p[1]=lpInput[x+(y-1)*nByteWidth];
p[2]=lpInput[x+3+(y-1)*nByteWidth];
p[3]=lpInput[x-3+y*nByteWidth];
p[4]=lpInput[x+y*nByteWidth];
p[5]=lpInput[x+3+y*nByteWidth];
p[6]=lpInput[x-3+(y+1)*nByteWidth];
p[7]=lpInput[x+(y+1)*nByteWidth];
p[8]=lpInput[x+3+(y+1)*nByteWidth];
//将p[0]到p[8]从小到大排列
for(j=0;j5;j++)
{
for(i=j+1;i9;i++)
{
if (p[j]p[i])
{
s=p[j];
p[j]=p[i];
p[i]=s;
}
}
}
//将各点的中值赋值给该像素
lpOutput[x+y*nByteWidth]=p[4];
}
//----------------------------------------
int sr,sg,sb;
int nByteWidth=nWidth*3;
if (nByteWidth%4) nByteWidth+=4-(nByteWidth%4);
for(y=1;ynHeight-1;y++)
{
for(x=1;xnWidth-1;x++)
{
p=x*3+y*nByteWidth;
sb=0;
sg=0;
sr=0;
for(y1=-1;y1=1;y1++)
for(x1=-1;x1=1;x1++)
{
//像素本身及其周围的八个像素（3X3窗口内的像素）的blue值之和
sb+=lpInput[(y+y1)*nByteWidth+(x+x1)*3];
//像素本身及其周围的八个像素（3X3窗口内的像素）的green值之和
sg+=lpInput[(y+y1)*nByteWidth+(x+x1)*3+1];
//像素本身及其周围的八个像素（3X3窗口内的像素）的red值之和
sr+=lpInput[(y+y1)*nByteWidth+(x+x1)*3+2];
}
//将red，green，blue值的平均值赋值给该像素
lpOutput[p+2]=sr/9;
lpOutput[p+1]=sg/9;
lpOutput[p]=sb/9;
}
}
均值滤波是指用当前像素点周围N·N个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每一个像素点，即可完成整幅图像的均值滤波。
例如，希望对图7-7中位于第5行第5列的像素点进行均值滤波。
根据上述运算，针对每一个像素点，都是与一个内部值均为1/25的5×5矩阵相乘，得到均值滤波的计算结果，如图7-11所示。
将使用的5×5矩阵一般化，可以得到如图7-12所示的结果。
式中，M和N分别对应高度和宽度。一般情况下，M和N是相等的，例如比较常用的3×3、5×5、7×7等。如果M和N的值越大，参与运算的像素点数量就越多，图像失真越严重。
在OpenCV中，实现均值滤波的函数是cv2.blur()，其语法格式为：
式中：
通常情况下，使用均值滤波函数时，对于锚点anchor和边界样式borderType，直接采用其默认值即可。
【例7.2】针对噪声图像，使用不同大小的卷积核对其进行均值滤波，并显示均值滤波的情况。
从图中可以看出，使用5×5的卷积核进行滤波处理时，图像的失真不明显；而使用30×30的卷积核进行滤波处理时，图像的失真情况较明显。
卷积核越大，参与到均值运算中的像素就会越多，即当前点计算的是更多点的像素值的平均值。因此，卷积核越大，去噪效果越好，当然花费的计算时间也会越长，同时让图像失真越严重。在实际处理中，要在失真和去噪效果之间取得平衡，选取合适大小的卷积核。
1、双循环语句，移动平均法。
p双循环语句，移动平均法/p p%均值滤波/p
pclc,clear;/p
pf=imread('lena.bmp');/p
psubplot(121),imshow(f),title('原图');/p
pf1=imnoise(f,'gaussian',0.002,0.0008);/p
p%subplot(222),imshow(f1),title('添加高斯噪声图');/p
pk1=floor(3/2)+1;/p
pk2=floor(3/2)+1;/p pX=f1;/p
p[M,N]=size(X);/p puint8 Y=zeros(M,N);/p
pfunBox=zeros(3,3);/p pfor i=1:M-3 /p
p for j=1:N-3 /p p funBox=X(i:i+3,j:j+3); /p
p s=sum(funBox(:));/p p h=s/9; /p
p Y(i+k1,j+k2)=h; /p p end;/p
pend;/p pY=Y/255;/p
psubplot(122),imshow(Y),title('均值滤波');/p
p实现图：/p
2、filter2。
pfilter2/p
pclear all;/p
pI=imread('lena.bmp');/p
p%读入预处理图像/p
pimshow(I)/p p%显示预处理图像/p
pK1=filter2(fspecial('average',3),I)/255;/p p%进行3*3均值滤波/p
pK2=filter2(fspecial('average',5),I)/255;/p p%进行5*5均值滤波/p
pK3=filter2(fspecial('average',7),I)/255;/p p%进行7*7均值滤波/p
pfigure,imshow(K1)/p pfigure,imshow(K2)/p
pfigure,imshow(K3)/p
中值滤波楼上答了，5*5的均值滤波代码 w2=fspecial('average',[5 5]); %% 先定义一个滤波器 h=imfilter(a,w2,'replicate'); %%让图像通过滤波器 imshow(h); imwrite(h,'8.jpg');
均值滤波是
I=medfilt2(a,[3 3],'symmetric')
可以在matlab中查询medfilt函数的用法，本例是使用3*3的滤波器采用镜像边界法做均值滤波。
