1. 首毕培肆先,我们需要将采集到的原始数据存储至一个数组中,以便后续的计算。
2. 接着,我们需要定义一个变量来存储滑动窗口的大小,通常情况下,一个合适的窗口大小是根据实际应用场景来确定的。
3. 然后,我们可以通过循环语句将窗口内的数据进行累加,并计算出中侍平均值。在每次循环中,我们需要将最早加入窗口的数据删除,并将最新采集到的数据添加至窗口中。
4. 最后,我们需要将计算出的均值结果输出或存储至某个寄存器、数据存储器、或者其他设备中供后续使用。
比如,下面是一个示例程序:
```LD M100开始存储原始数据
LD D100将D100的值存储到M100中
ADD X0 将X0中的值加1
MOV D100, M[X0] 将M[X0]的值存储到D100中
CMP X0, K1N10 判断X0是否大于等于K1N10
JMPE ELSE如果是,则跳转至ELSE
AVG: 均值计算过程
MOV D10, D100 将D100的值存储到D10中
ADD D20, D10 将D10加到D20中
ADD X1, K1将X1加1
CMP X1, K2N10 判断X1是否大于等于K2N10
JMPE OUTPUT 如果是,手轿则跳转至OUTPUT
MOV D100, M[X1] 将新采集的数据存储到D100中
SUB D20, D[K1] 将最早加入窗口的数据删除
JMP AVG 重复执行均值计算过程
OUTPUT:
DIV D20, K1N10 计算出平均值
ST D30, M[100] 将结果存储至M100寄存器中
JMP START 回到程序开始处
ELSE:
MOV X0, K1 将X0重置为窗口大小
MOV D20, K0 将累加器清零
JMP AVG 执行均值计算
imread('eight.tif')J = imnoise(I,'salt &pepper',0.02)
K = medfilt2(J)
imshow(J)title('岁基噪声干扰图像')
figure, imshow(K)title('medfilt2滤波图像')
X=Ja=2b=2
k=floor(a*b/2)+1
[M,N]=size(X)
uint8 Y=zeros(M,N)
funBox=zeros(a,b)
temp=zeros(a*b)
for i=1:M-a
for j=1:N-b
funBox=X(i:i+a,j:j+b)
temp=funBox(:)
tempSort=sort(temp)
Y(i,j)=tempSort(k)
end
end
figure, imshow(Y)title('自编程序滤波图像')
clear
close all
c=imread('123.png')%把彩色图片转化成灰度图片,256级
figure,imshow(c),title('原始图象')%显示原始图象
g=imnoise(c,'gaussian',0.1,0.002) %加入高斯噪声
figure,imshow(g),title('加入高斯噪声之后的图象') %显示加入高斯噪声之后的图象
%实验步骤二:用系统预定义滤波器进行均值滤波
n=1
A=fspecial('average',n)%生成系统预定义的3X3滤波器
Y=filter2(A,g)/255 %用生成的滤波器进行滤波,并归一化
figure,imshow(Y),title('系统函乎销谨数滤波图像')%显示滤波后的图象
a(1:n,1:n)=1 %a即n×n模板,元素全是1
p=size(g) %输入图像是p×q的,且p>n,q>n
x1=double(g)
x2=x1
%A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素
for i=1:p(1)-n+1
for j=1:p(2)-n+1
c=x1(i:i+(n-1),j:j+(n-1)).*a %取出x1中从(i,j)开始的n行n列元素与模板相乘
s=sum(sum(c))%求c矩阵(即模板)中斗颂各元素之和
x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n)%将模板各元素的均值赋给模板中心位置的元素
end
end
%未被赋值的元素取原值
d=uint8(x2)
%实验步骤三:用自己的编写的函数进行均值滤波
%调用自编函数进行均值滤波,n为模板大小
figure,imshow(d),title('自编程序滤波图像')%显示滤波后的图象
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)