均值平滑滤波算法

A. 均值滤波适用于处理什么样的噪声

均值滤波，适用于去除通过扫描得到的图像中的颗粒噪声。

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。

这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图像细节。小波分析进行图像去噪主要有3个方面：

(1)对图像信号进行小波分解。

(2)对经过层次分解后的高频系数进行阈值量化。

(3)利用二维小波重构图像信号。

(1)均值平滑滤波算法扩展阅读：

均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板。

该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。

均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

B. 求助，去最值算术平均值滤波法怎么仿真啊

这个在网上搜索来回答是大大的不对了。
我现在手头上没环境，用TC2.0给楼主做了一个程序。总体思路是这样的，首先定义一个数组来表示采集到的原始数据，然后使用排序法从大到小或从小到大排序，再根据需要，把两头的n个最值去掉，然后剩下的取平均。这个方法在工程中应用很广泛。
以下是程序和注释，楼主就算没TC2也可以读读C代码来了解一下。

#include "stdio.h"
//#include <math.h>
unsigned char data[6];//定义1维6个元素的数组表示原始数据
main()
{
char i,j;
unsigned char temp,average;
unsigned int sum;
data[0]=10;
data[1]=5;
data[2]=3;
data[3]=6;
data[4]=2;
data[5]=1;// 给数组赋值，大小是随意的，来自需要滤波的数据
for(i=0;i<6;i++)//进行冒泡从小到大排序
for(j=0;j<6;j++)
{
if(data[j]>data[j+1])
{
temp=data[j+1];
data[j+1]=data[j];
data[j]=temp;
}
}
printf("after order: %d,%d,%d,%d,%d,%d \n",data[0],data[1],data[2],data[3],data[4],data[5]);

sum=data[1]+data[2]+data[3]+data[4];//去掉首尾最值，剩下的进行平均值滤波
average=sum/4;
printf("result: %d \n",average);

}

程序结束，result：4，显然是我们需要的结果。在这里认为1和10属于不理想采样值，是需要被舍弃的。

C. 平均滤波有几种

1、限幅滤波法（又称程序判断滤波法）
A、方法：
根据经验判断，确定两次采样允许的最大偏差值（设为A）
每次检测到新值时判断：
如果本次值与上次值之差<=A,则本次值有效
如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值
B、优点：
能有效克服因偶然因素引起的脉冲干扰
C、缺点
无法抑制那种周期性的干扰
平滑度差

2、中位值滤波法
A、方法：
连续采样N次（N取奇数）
把N次采样值按大小排列
取中间值为本次有效值
B、优点：
能有效克服因偶然因素引起的波动干扰
对温度、液位的变化缓慢的被测参数有良好的滤波效果
C、缺点：
对流量、速度等快速变化的参数不宜

3、算术平均滤波法
A、方法：
连续取N个采样值进行算术平均运算
N值较大时：信号平滑度较高，但灵敏度较低
N值较小时：信号平滑度较低，但灵敏度较高
N值的选取：一般流量，N=12；压力：N=4
B、优点：
适用于对一般具有随机干扰的信号进行滤波
这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动
C、缺点：
对于测量速度较慢或要求数据计算速度较快的实时控制不适用
比较浪费RAM

D. 说明算术平均滤波，加权平均滤波和滑动平均滤波之间的区别以及各自的用途

clear clc x=randn(1,100); %x为要滤波的信号 m=5;%表示平滑滤波窗长度,这是长度为奇数的情况 %前m/2,最后m/2个点没滤波，设为原来的值就行 for i=1:length(x)-m+1 y(i+(m-1)/2)=sum(x(i:i+m-1))/m; end figure(1); plot(x,'r');hold on;plot(y,'g');hold off; 这是最简单的，不知道你需要基于什么算法的平滑滤波！有重心法的，算术滑动平均的，变参数双指数平滑方法，还有用插值的方式去平滑的

E. 平均值平滑是去掉误差大的还是去掉最小的

去掉最大的。
是去掉最大的。均值平滑是指对每一个像元，在以其为中心的窗口内，取邻域像元的平均值来代替该像元的亮度值，这种方法就是均值平滑，也称均值滤波。均值平滑算法简单，计算速度快，但对图像的边缘和细节有一定的削弱作用。

F. 均值滤波怎么算的

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身）。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。