【C++】【圖像處理】均值濾波和高斯濾波（低通濾波）演算法解析（以.raw格式的圖像為基礎進行圖像處理、gray levels：256）

 1 void meanFilter(BYTE* image, int width, int height, BYTE* outImg)
 2 {
 3     //均值濾波
 4     int smth[9];
 5     int i, j, m, n;
 6     BYTE block[9];
 7     
 8     // 高斯捲積核初始化
 9     smth[0] = 1, smth[1] = 2, smth[2] = 1,
10     smth[3] = 2, smth[4] = 4, smth[5] = 2,
11     smth[6] = 1, smth[7] = 2, smth[8] = 1;
12 
13     int value;
14     for (i = 0;i < 9;i++) //初始化均值捲積核
15         smth[i] = 1;
16 
17     for (i = 0;i < height;i++) 
18         for (j = 0;j < width;j++) {
19             //將輸出圖像邊緣的像素值設為 0
20             if (i == 0 || j == 0 || i == height - 1 || j == width - 1) 
21                 outImg[i * width + j] = 0;
22 
23             //提取以當前像素為中心的 3x3 區域的像素值，然後利用捲積操作計算這個區域的均值，最後將計算得到的均值作為輸出圖像中對應位置的像素值
24             else {
25                 for (m = -1;m < 2;m++) 
26                     for (n = -1;n < 2;n++) 
27                         block[(m + 1) * 3 + n + 1] = image[(i + m) * width + j + n];
28                 value = convolution(smth, block);
29                 outImg[i * width + j] = BYTE(value / 9.0f); // 高斯為 value / 16.0f
30             }
31         }
32 
33 }
34 
35 
36 int convolution(int* operatr, BYTE* block)
37 {
38     int value;
39     int i, j;
40     value = 0;
41     //捲積運算
42     //遍歷 3x3 區域內的每個像素，並根據捲積核的權重計算出捲積結果
43     for (i = 0;i < 3;i++) 
44         for (j = 0;j < 3;j++) 
45             value += operatr[i * 3 + j] * block[i * 3 + j];
46     /*
47     1 1 1
48     1 1 1
49     1 1 1
50 
51     0 0 0
52     0 x y
53     0 j k
54     */
55 
56     return value;
57 
58 }  

低通濾波和直方圖均衡核心點：按照一定的 權重 / 均分比例 處理 一定區域 / 數量上的像素點上的灰度級值。

總結：均值和高斯濾波（低通）的核心，創建捲積核並確定各個點上的權重，然後將邊緣灰度級歸零，提取非邊緣像素點的3x3區域的像素級，最後計算捲積結果再輸出。