图像模糊处理算法：C++ 实现详解

图像模糊处理是一种常见的图像处理技术，可以用来去除图像噪声，平滑图像细节，或者创建特殊的效果。本文将介绍一种简单的图像模糊处理算法，并提供 C++ 代码实现。

算法原理

该算法的基本思路是：对于图像中的每个像素点，计算该像素点与其周围相邻像素点的平均值，并将平均值作为该像素点的新的灰度值。具体来说，对于图像中的每个非边缘像素点，我们将计算其上下左右四个相邻像素点的平均值，并将该平均值作为该像素点的新的灰度值。对于图像边缘的像素点，其灰度值保持不变。

C++ 代码实现

#include <iostream>
#include <vector>
#include <cmath>
using namespace std;

int main() {
    int n, m;
    cin >> n >> m;
    vector<vector<int>> image(n, vector<int>(m));
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < m; j++) {
            cin >> image[i][j];
        }
    }
    
    vector<vector<int>> blurredImage(n, vector<int>(m));
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < m; j++) {
            if (i == 0 || i == n-1 || j == 0 || j == m-1) {
                blurredImage[i][j] = image[i][j];
            } else {
                int sum = image[i][j] + image[i-1][j] + image[i+1][j] + image[i][j-1] + image[i][j+1];
                blurredImage[i][j] = round(sum / 5.0);
            }
        }
    }
    
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < m; j++) {
            cout << blurredImage[i][j] << " ";
        }
        cout << endl;
    }
    
    return 0;
}

代码解释

首先，我们读取图像的尺寸 n 和 m，以及每个像素点的灰度值，并将它们存储在 image 数组中。
然后，我们创建一个新的数组 blurredImage 来存储模糊后的图像。
接着，我们遍历 image 数组中的每个像素点，对于非边缘像素点，我们计算其上下左右四个相邻像素点的平均值，并将该平均值作为该像素点的新的灰度值，并将结果存储在 blurredImage 数组中。对于边缘像素点，我们直接将原始灰度值复制到 blurredImage 数组中。
最后，我们输出 blurredImage 数组，即模糊后的图像。

总结

本文介绍了一种简单的图像模糊处理算法，并提供了 C++ 代码实现。该算法简单易懂，易于实现，可以作为学习图像处理的入门示例。当然，还有许多其他的图像模糊处理算法，例如高斯模糊、中值滤波等，它们可以实现更复杂、更强大的模糊效果。