基于中值的改进均值滤波算法在玻璃瓶检测中的应用，李秀峰，荣慧芳，中值滤波是一种有效抑制盐椒噪声的滤波算法，但它最大的缺点是模糊了细节。本文提出一种基于中值的加权均值滤波算法，并将该方法

Gaussian filter & mean filter

自适应切萨罗均值滤波器，用于去除椒盐噪声 引文： S.Enginoğlu，U。Erkan和S.Memiş，2020年。用于去除椒盐噪声的自适应Cesáro均值滤波器，El-Cezeri科学与工程学报，7（1），304-314。 doi： https ： //doi.org/10.31202/ecjse.646359 抽象的： 在这项研究中，我们提出了一种椒盐噪声（SPN）消除方法，即自适应Cesáro均值滤波器（ACmF），并提供了其一些基本概念。 然后，我们将ACmF应用于噪声密度范围从10％到90％的几个测试图像：15个传统测试图像（狒狒，船，桥，摄影师，Elaine，打火石，山，房屋，湖泊，Lena，客厅，鹦鹉，辣椒，海盗和飞机）和40张测试图像（在TESTIMAGES数据库中提供）。 然后，我们将ACmF与最先进的方法进行比较，例如自适应加权均值滤波器（AWMF），不同应用

基于积分图的快速均值滤波，数字图像处理，。。。。。。

均值滤波曲率处理斜坡单元，按论文里来处理流程做的斜坡单元工具箱，但是结果和之前的斜坡单元差强人意，请谨慎下载

对图片进行均值滤波和中值滤波，VC下可以运行的哦

一个完整的VC++基本图像处理工程，为本人课程设计，具备基本图像增强算法的实现。 包含： 打开位图图片 均值滤波 中值滤波 直方图均衡化 保存位图文件 全部代码有注释。

平滑二维数组数据。 忽略 NaN。 函数 matrixOut = smooth2a(matrixIn,Nr,Nc) 此函数使用均值滤波器对 matrixIn 中的数据进行平滑处理大小为 (2*Nr+1)×(2*Nc+1) 的矩形。 基本上，你最终会更换元素“i”是指以“i”为中心的矩形。 任何 NaN 在平均时忽略元素。 如果元素“i”是一个 NaN，那么它将在输出中保留为 NaN。 在矩阵的边缘， 你不能构建一个完整的矩形，尽可能多的矩形使用适合您的矩阵（类似于 Matlab 内置的默认值功能“平滑”）。 “matrixIn”：原始矩阵“Nr”：用于平滑行的点数“Nc”：平滑列的点数。 如果未指定，则 Nc = Nr。 “matrixOut”：原始矩阵的平滑版本 %%%%%%%%% 截图说明： 左图是“锯齿状”906x1024 矩阵的 pcolor（阴影插值，轴相等）。 请注意

冈萨雷斯 数字图像处理(第三版)matlab代码 图3.34 均值滤波（均值滤波及进行阈值处理后的结果）

首先对伪中值滤波算法进行了改进:噪声检测过程融入像素点灰度值、几何距离等因素,实现噪声点从图像像素点中的逐步分离;采用加权滤波的方法滤除噪声。其次对改进非局部均值滤波算法的先验信息获取方法进行了改进:对噪声图像进行提升小波变换,采用一种新型阈值函数选择低频分解系数,对高于阈值的系数进行重构得到参考图像,计算参考图像的相似度权值并将其作为改进非局部均值滤波算法的先验信息。最后基于2种改进算法提出了一种红外图像滤波方法,即依次采用改进伪中值滤波算法和基于先验信息的改进非局部均值滤波算法对红外图像进行滤波处理,然后将其与参考图像进行融合,以修正被过度滤波的图像。实验结果表明,该方法针对高密度噪声的红外图像有较好的滤波效果。