c++实现KNN均值滤波

KNN均值滤波是一种基于邻近像素的图像处理方法，用于平滑图像并减少噪声。在C++中实现KNN均值滤波可以按照以下步骤进行：

1. 导入必要的头文件：

#include <iostream>
#include <opencv2/opencv.hpp>

2. 定义KNN均值滤波函数：

cv::Mat knnMeanFilter(const cv::Mat& input, int k)
{
    cv::Mat output = input.clone();
    cv::Mat padded;
    cv::copyMakeBorder(input, padded, k/2, k/2, k/2, k/2, cv::BORDER_REFLECT);

    for (int i = k/2; i < input.rows + k/2; i++)
    {
        for (int j = k/2; j < input.cols + k/2; j++)
        {
            cv::Mat roi = padded(cv::Range(i-k/2, i+k/2+1), cv::Range(j-k/2, j+k/2+1));
            cv::Scalar mean = cv::mean(roi);
            output.at<uchar>(i-k/2, j-k/2) = mean;
        }
    }

    return output;
}

3. 调用KNN均值滤波函数：

int main()
{
    cv::Mat input = cv::imread("input.jpg", cv::IMREAD_GRAYSCALE);
    cv::Mat output = knnMeanFilter(input, 3);
    cv::imshow("Input", input);
    cv::imshow("Output", output);
    cv::waitKey(0);
    return 0;
}

以上代码中，我们首先导入了必要的头文件，然后定义了一个名为knnMeanFilter的函数，该函数接受输入图像和邻近像素的数量k作为参数，并返回处理后的图像。在函数内部，我们首先对输入图像进行边界填充，然后使用两个嵌套的循环遍历图像的每个像素，并计算邻近像素的均值。最后，我们将计算得到的均值赋值给输出图像的对应像素位置。在主函数中，我们读取输入图像，调用knnMeanFilter函数进行处理，并显示输入和输出图像。