码迷,mamicode.com
首页 > 其他好文 > 详细

图像处理之基础---滤波器之高斯低通滤波器3c代码实现yuv,rgb

时间:2014-10-22 06:23:46      阅读:282      评论:0      收藏:0      [点我收藏+]

标签:des   style   blog   http   color   io   os   ar   使用   

()高斯理论简介

()

()代码实现

四 使用高斯滤波器进行图像的平滑

()高斯简介

http://www.zwbk.org/MyLemmaShow.aspx?lid=126233  中文百科独特解释

http://academic.mu.edu/phys/matthysd/web226/Lab02.htm

http://www.360doc.com/content/12/0921/17/10724725_237428926.shtml 有历程

http://blog.csdn.net/l_inyi/article/details/8915116 实现opencv

http://www.cnblogs.com/JohnShao/archive/2011/06/02/2067800.html 工业级应用

http://blog.csdn.net/zddblog/article/details/7450033  高斯模糊小结

bubuko.com,布布扣

生成高斯核

/*************************************************************************
*
* \函数名称:
*   MakeGauss()
*
* \输入参数:
*   double sigma                                            - 高斯函数的标准差
*   double **pdKernel                                        - 指向高斯数据数组的指针
*   int *pnWindowSize                                        - 数据的长度
*
* \返回值:
*   无
*
* \说明:
*   这个函数可以生成一个一维的高斯函数的数字数据,理论上高斯数据的长度应
*   该是无限长的,但是为了计算的简单和速度,实际的高斯数据只能是有限长的
*   pnWindowSize就是数据长度
*  
*************************************************************************
*/
void MakeGauss(double sigma, double **pdKernel, int *pnWindowSize)
{
    // 循环控制变量
    int i   ;
    // 数组的中心点
    int nCenter;

    // 数组的某一点到中心点的距离
    double  dDis  ;

    double PI = 3.14159;
    // 中间变量
    double  dValue;
    double  dSum  ;
    dSum = 0 ;
    // 数组长度,根据概率论的知识,选取[-3*sigma, 3*sigma]以内的数据。
    // 这些数据会覆盖绝大部分的滤波系数
    *pnWindowSize = 1 + 2 * ceil(3 * sigma);
    // 中心
    nCenter = (*pnWindowSize) / 2;
    // 分配内存
    *pdKernel = new double[*pnWindowSize] ;
    for(i=0; i< (*pnWindowSize); i++)
    {
        dDis = (double)(i - nCenter);
        dValue = exp(-(1/2)*dDis*dDis/(sigma*sigma)) / (sqrt(2 * PI) * sigma );
        (*pdKernel)[i] = dValue ;
        dSum += dValue;
    }
    // 归一化
    for(i=0; i<(*pnWindowSize) ; i++)
    {
        (*pdKernel)[i] /= dSum;
    }
}

高斯滤波

/*************************************************************************
*
* \函数名称:
*   GaussianSmooth()
*
* \输入参数:
*   unsigned char * pUnchImg                - 指向图象数据的指针
*   int nWidth                                            - 图象数据宽度
*   int nHeight                                        - 图象数据高度
*   double dSigma                                    - 高斯函数的标准差
*   unsigned char * pUnchSmthdImg    - 指向经过平滑之后的图象数据
*
* \返回值:
*   无
*
* \说明:
*   为了抑止噪声,采用高斯滤波对图象进行滤波,滤波先对x方向进行,然后对
*   y方向进行。
*  
*************************************************************************
*/
void GaussianSmooth(unsigned char *pUnchImg, int nWidth, int nHeight,
                                        double sigma, unsigned char * pUnchSmthdImg)
{
    // 循环控制变量
  int y;
    int x;
    int i;
    // 高斯滤波器的数组长度
    int nWindowSize;
    //  窗口长度的1/2
    int    nHalfLen;  
    // 一维高斯数据滤波器
    double *pdKernel ;
    // 高斯系数与图象数据的点乘
    double  dDotMul     ;
    // 高斯滤波系数的总和
    double  dWeightSum     ;         
    // 中间变量
    double * pdTmp ;
    // 分配内存
    pdTmp = new double[nWidth*nHeight];
    // 产生一维高斯数据滤波器
    // MakeGauss(sigma, &dKernel, &nWindowSize);
    MakeGauss(sigma, &pdKernel, &nWindowSize) ;
    // MakeGauss返回窗口的长度,利用此变量计算窗口的半长
    nHalfLen = nWindowSize / 2;
  // x方向进行滤波
    for(y=0; y<nHeight; y++)
    {
        for(x=0; x<nWidth; x++)
        {
            dDotMul        = 0;
            dWeightSum = 0;
            for(i=(-nHalfLen); i<=nHalfLen; i++)
            {
                // 判断是否在图象内部
                if( (i+x) >= 0  && (i+x) < nWidth )
                {
                    dDotMul += (double)pUnchImg[y*nWidth + (i+x)] * pdKernel[nHalfLen+i];
                    dWeightSum += pdKernel[nHalfLen+i];
                }
            }
            pdTmp[y*nWidth + x] = dDotMul/dWeightSum ;
        }
    }
    // y方向进行滤波
    for(x=0; x<nWidth; x++)
    {
        for(y=0; y<nHeight; y++)
        {
            dDotMul        = 0;
            dWeightSum = 0;
            for(i=(-nHalfLen); i<=nHalfLen; i++)
            {
                // 判断是否在图象内部
                if( (i+y) >= 0  && (i+y) < nHeight )
                {
                    dDotMul += (double)pdTmp[(y+i)*nWidth + x] * pdKernel[nHalfLen+i];
                    dWeightSum += pdKernel[nHalfLen+i];
                }
            }
            pUnchSmthdImg[y*nWidth + x] = (unsigned char)(int)dDotMul/dWeightSum ;
        }
    }

    // 释放内存
    delete []pdKernel;
    pdKernel = NULL ;
    delete []pdTmp;
    pdTmp = NULL;
}

http://www.cnblogs.com/IamEasy_Man/archive/2010/08/17/1801477.html 纯c实现

 

void gaussianFilter(uchar* data, int width, int height)

 

02 {

 

03     int i, j, index, sum;

 

04     int templates[9] = { 1, 2, 1,

 

05                          2, 4, 2,

 

06                          1, 2, 1 };

 

07     sum = height * width * sizeof(uchar);

 

08     uchar *tmpdata = (uchar*)malloc(sum);

 

09     memcpy((char*)tmpdata,(char*)data, sum);

 

10     for(i = 1;i < height - 1;i++)

 

11     {

 

12         for(j = 1;j < width - 1;j++)

 

13         {

 

14             index = sum = 0;

 

15             for(int m = i - 1;m < i + 2;m++)

 

16             {

 

17                 for(int n = j - 1; n < j + 2;n++)

 

18                 {

 

19                     sum +=

 

20                         tmpdata[m * width + n] *

 

21                         templates[index++];

 

22                 }

 

23             }

 

24             data[i * width + j] = sum / 16;

 

25         }

 

26     }

 

27     free(tmpdata);

 

28 }

 一个模板

http://www.360doc.com/content/12/0921/16/10724725_237423041.shtml

//**********************************************************************
//模板操作
//图像信息头
//图像数据
//模板大小       以0开始
//模板中心元素   以0开始
//模板数据
//模板系数
//**********************************************************************
BOOL ImgTemplate(BITMAPINFO* pbmpinfo,BYTE* pbmpdata,CSize TemplateSize,CSize TemplateCertel ,int *template_box,float coef)
{

    LONG imagewidth=pbmpinfo->bmiHeader.biWidth;
    LONG imageheigth=pbmpinfo->bmiHeader.biHeight;

        LONG i=0,j=0,k=0,heigth=0,width=0;

    //data is not null
    if (pbmpdata == NULL)
    {
        return FALSE;
    }
    //image size
    if (imageheigth <= TemplateSize.cy || imagewidth <= TemplateSize.cx)
    {
        return FALSE;
    }
    if (TemplateCertel.cx < 0 ||  TemplateCertel.cy < 0 || TemplateCertel.cx > TemplateSize.cx || TemplateCertel.cy > TemplateSize.cy)
    {
       return FALSE;
    }
    //color must be gray
    if (pbmpinfo->bmiHeader.biBitCount != 8)
    {
            AfxMessageBox("只对灰度图像进行操作!");
        return FALSE;
    }
    //image size
    LONG  Linebyte =( pbmpinfo->bmiHeader.biBitCount * imagewidth +31)/32*4;
    LONG  ImageSize=Linebyte * imageheigth;
   
    //分配空间
    BYTE *pNewbmpdata=(BYTE*)malloc(ImageSize);
   
    //copy data
    if (pNewbmpdata == NULL)
    {
   
        return FALSE;
    }
   
    memcpy(pNewbmpdata,pbmpdata,ImageSize);

   
    BYTE *psrc=NULL;
    BYTE *pdest=NULL;
       
    LONG result=0;


    for (heigth = TemplateCertel.cy ; heigth < imageheigth - TemplateSize.cy + TemplateCertel.cy + 1  ;heigth++  )
    {
               
        for ( width = TemplateCertel.cx ; width < imagewidth - TemplateSize.cx + TemplateCertel.cx + 1 ; width++)
        {
            psrc  = (unsigned char *)pbmpdata+(ImageSize-Linebyte-
                heigth*Linebyte)+width;
           
            pdest = (unsigned char *)pNewbmpdata+(ImageSize-Linebyte-
                heigth*Linebyte)+width;

            j=0;
            result=0;

            for ( i =  - TemplateCertel.cy ; i <  TemplateSize.cy - TemplateCertel.cy   ;i++)
            {
                for (k =  - TemplateCertel.cx ; k <  TemplateSize.cx -TemplateCertel.cy  ;k++)
                {
                            result += (LONG)(*(psrc + i * Linebyte + k)) * template_box[j++];
                }
            }

                        result = (LONG)(result  *  coef);

            if (result>255)
            {
                result=255;
            }
            if (result<0)
            {
                result=0;
            }
            *pdest=(unsigned char)result;
           
        }
    }   
    memcpy(pbmpdata,pNewbmpdata,ImageSize);
    free(pNewbmpdata);
    return TRUE;
}

 

http://www.2cto.com/kf/201306/220419.html 对美女图像的缩小 图像处理之高斯金字塔java

http://bbs.csdn.net/topics/360109272 

 

http://blog.csdn.net/fanner01/article/details/6525270 Gaussian Smoothing Filter高斯平滑滤波器

 

http://blog.csdn.net/zhengtu009/article/details/21862353 滤波器设计,包括相关高斯建模,跟踪!

http://wenku.baidu.com/link?url=Z9F4EUkVxkYIAlbi7cueVEyu-rStz-4tgDvri1MM83F2RPW2vLk-xSQX7pN0lfrZ0ADsMuo6OkEEbBq2Sy4sKYUTntvOhv7r15K8gBUi_-G 基于dm6437的 canny 边缘检测

http://www.google.co.uk/patents/US6046654 高斯专利

http://d.wanfangdata.com.cn/Periodical_gxjs200703024.aspx  一种尺度自适应调整的高斯滤波器设计方法

http://www.cvchina.info/2010/05/07/diving-into-gaussian-filter-implementation/  高斯函数计算中sigma的确定!!!

http://www.cnblogs.com/JohnShao/archive/2011/06/02/2067800.html 高斯二维转一维

http://www.cnblogs.com/JohnShao/archive/2011/08/24/2151463.html

http://blog.csdn.net/hhygcy/article/details/4329056 c++实现

http://blog.csdn.net/l_inyi/article/details/8915116 opencv  实现

 

http://www.verydemo.com/demo_c113_i8816.html matlab 实现

http://blog.csdn.net/pyramide/article/details/5588880  高斯卷积4种实现方法

http://www.tudou.com/programs/view/NsvOZtjS1Zo/#http://www.tudou.com/programs/view/BxfgcVCnzk8/ 高斯滤波游戏中的应用魔兽

http://www.geeks3d.com/20100909/shader-library-gaussian-blur-post-processing-filter-in-glsl/  美女图片3d 效果

 http://prideout.net/archive/bloom/ pengl

http://blog.csdn.net/pyramide/article/details/5588979 高斯简介

图像处理之基础---滤波器之高斯低通滤波器3c代码实现yuv,rgb

标签:des   style   blog   http   color   io   os   ar   使用   

原文地址:http://www.cnblogs.com/pengkunfan/p/4042137.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!