C语言对图像进行中值滤波

中值滤波是一种常见的图像处理技术，可以用来去除图像中的噪声和杂点。以下是使用C语言实现的中值滤波算法：

1. 定义一个二维数组来存储图像数据，假设图像大小为M×N。

2. 定义一个中值滤波的窗口大小，如3×3、5×5等。

3. 遍历整张图像，对于每个像素点，求取它所在窗口内的像素值的中位数，并将该中位数作为该像素点的新值。

4. 对于边缘像素点，由于窗口无法完全包含它们，需要进行特殊处理。一种常见的方法是将窗口外的像素值设置为边缘像素点的值。

下面是一段简单的C语言代码，实现了一个3×3的中值滤波算法：

#include <stdio.h>

#define M 10
#define N 10
#define WINDOW_SIZE 3

int image[M][N] = {{1,2,3,4,5,6,7,8,9,10},
                   {11,12,13,14,15,16,17,18,19,20},
                   {21,22,23,24,25,26,27,28,29,30},
                   {31,32,33,34,35,36,37,38,39,40},
                   {41,42,43,44,45,46,47,48,49,50},
                   {51,52,53,54,55,56,57,58,59,60},
                   {61,62,63,64,65,66,67,68,69,70},
                   {71,72,73,74,75,76,77,78,79,80},
                   {81,82,83,84,85,86,87,88,89,90},
                   {91,92,93,94,95,96,97,98,99,100}};

int median(int arr[]) {
    int temp;
    for(int i = 0; i < WINDOW_SIZE*WINDOW_SIZE-1; i++) {
        for(int j = 0; j < WINDOW_SIZE*WINDOW_SIZE-i-1; j++) {
            if(arr[j] > arr[j+1]) {
                temp = arr[j];
                arr[j] = arr[j+1];
                arr[j+1] = temp;
            }
        }
    }
    return arr[WINDOW_SIZE*WINDOW_SIZE/2];
}

int main() {
    int temp_arr[WINDOW_SIZE*WINDOW_SIZE];
    int new_image[M][N];
    for(int i = 0; i < M; i++) {
        for(int j = 0; j < N; j++) {
            int cnt = 0;
            for(int k = i-WINDOW_SIZE/2; k <= i+WINDOW_SIZE/2; k++) {
                for(int l = j-WINDOW_SIZE/2; l <= j+WINDOW_SIZE/2; l++) {
                    if(k < 0 || k >= M || l < 0 || l >= N) {
                        temp_arr[cnt] = image[i][j];
                    }
                    else {
                        temp_arr[cnt] = image[k][l];
                    }
                    cnt++;
                }
            }
            new_image[i][j] = median(temp_arr);
        }
    }
    for(int i = 0; i < M; i++) {
        for(int j = 0; j < N; j++) {
            printf("%d ", new_image[i][j]);
        }
        printf("\n");
    }
    return 0;
}

在这个例子中，我们使用了一个10×10的二维数组来模拟原始图像数据，然后定义了一个3×3的中值滤波窗口。程序遍历整张图像，对于每个像素点，求取它所在窗口内的像素值的中位数，并将该中位数作为该像素点的新值。最后输出中值滤波后的图像数据。