均值滤波与中值滤波处理随机脉冲噪声与椒盐噪声（已有图片）

在之前生成的24位真彩图的基础上，加入脉冲噪声与椒盐噪声，再利用均值滤波与中值滤波处理。

椒盐噪声

在给定的像素颜色分量上添加椒盐噪声的步骤包括：

生成一个随机值（0到1之间）。

如果这个随机值小于某个概率阈值，就将该颜色分量替换为最小值（椒噪声）。

如果随机值介于概率阈值和两倍概率阈值之间，就将该颜色分量替换为最大值（盐噪声）。

在你的代码中，我已经添加了 addSaltPepperNoise 函数，以下是具体实现：

cpp 复制代码

void addSaltPepperNoise(uint8_t& colorComponent, double probability) {
    double randomValue = static_cast<double>(rand()) / RAND_MAX;
    if (randomValue < probability / 2) {
        colorComponent = 0; // 椒噪声，将颜色分量设置为最小值
    } else if (randomValue < probability) {
        colorComponent = 255; // 盐噪声，将颜色分量设置为最大值
    }
}

这个函数接受一个颜色分量和一个概率作为参数。在函数内部，它生成一个0到1之间的随机值，并根据概率阈值将颜色分量替换为最小值或最大值，实现了椒盐噪声的效果。在主循环中，我调用这个函数并传递了绿色分量和椒盐噪声的概率（这里是0.1，你可以根据需要调整）。

脉冲噪声

对于脉冲噪声，过程类似于椒盐噪声，但是当随机值小于概率阈值时，将颜色分量替换为最小值或最大值。以下是添加脉冲噪声的函数 addImpulseNoise 的实现：

cpp 复制代码

void addImpulseNoise(uint8_t& colorComponent, double probability) {
    double randomValue = static_cast<double>(rand()) / RAND_MAX;
    if (randomValue < probability) {
        // 将颜色分量替换为最小值或最大值，可以根据需要调整
        colorComponent = (randomValue < probability / 2) ? 0 : 255;
    }
}

这个函数也接受一个颜色分量和一个概率作为参数。它生成一个0到1之间的随机值，如果这个随机值小于概率阈值，就将颜色分量替换为最小值或最大值，实现了脉冲噪声的效果。在主循环中，你可以调用这个函数，并传递需要添加脉冲噪声的颜色分量以及脉冲噪声的概率（可以根据需要调整）。

中值滤波

中值滤波是一种常用的数字图像处理技术，用于去除图像中的噪声。它的基本思想是取一组像素值的中间值，然后用这个中间值来代替原始像素值。这个方法对于椒盐噪声和脉冲噪声等突发性的噪声效果较好。

下面是中值滤波的基本步骤：

选择滤波器大小
中值滤波器是一个类似于窗口的区域，它在图像上滑动。选择合适大小的滤波器取决于图像的噪声类型和强度。
将滤波器应用于图像：
对于每个像素，将滤波器的中心放在该像素上，然后将滤波器覆盖的区域内的像素值提取出来。
对提取的像素值进行排序
将提取的像素值进行排序，以找到中间值。通常，使用一维或二维滤波器，具体取决于图像的特性。
取中值替代原始像素值
用排序后的像素值中间的值来替代原始像素值。这样，原始像素值中的噪声将被平滑，而不会受到过多的影响。
中值滤波的优点包括对各种类型的噪声（包括椒盐噪声和脉冲噪声）的有效去除，而且相对于其他线性滤波方法，它能够更好地保留图像的边缘细节。然而，中值滤波的缺点是在某些情况下可能导致图像模糊，特别是对于一些细小的结构。选择合适的滤波器大小对于取得良好的效果非常重要。

cpp 复制代码

// 中值滤波
uint8_t medianFilter(std::vector<uint8_t>& values) {
    size_t size = values.size();
    std::sort(values.begin(), values.end());
    if (size % 2 == 0) {
        // 如果数组大小为偶数，取中间两个值的平均值
        return static_cast<uint8_t>((values[size / 2 - 1] + values[size / 2]) / 2);
    } else {
        // 如果数组大小为奇数，取中间值
        return values[size / 2];
    }
}

均值滤波

均值滤波是一种常见的图像处理滤波器，其基本思想是用一组像素的平均值来替代中心像素的值。均值滤波在一定程度上可以减少图像的噪声，但与中值滤波相比，它对椒盐噪声和脉冲噪声的效果通常较差。

以下是均值滤波的基本步骤：

选择滤波器大小：均值滤波器是一个局部区域，它在图像上滑动。选择滤波器的大小决定了用于计算平均值的像素范围。
将滤波器应用于图像：对于每个像素，将滤波器的中心放在该像素上，然后将滤波器覆盖的区域内的像素值提取出来。
计算提取的像素值的平均值：对提取的像素值进行求和，然后除以像素值的数量，得到平均值。

用平均值替代原始像素值：将计算得到的平均值替代原始像素值。这样可以减小噪声的影响。

cpp 复制代码

// 均值滤波
void meanFilter(std::vector<uint8_t>& values) {
    // 计算平均值
    uint32_t sum = 0;
    for (uint8_t value : values) {
        sum += value;
    }
    uint8_t average = static_cast<uint8_t>(sum / values.size());

    // 用平均值替代原始像素值
    for (uint8_t& value : values) {
        value = average;
    }
}