均值濾波編程
A. plc模擬量輸入濾波程序和方案
1，硬體配置濾波， 如果是200PLC打開系統塊，再Analog里設定濾波時間和頻率 如果是300400PLC打開硬體配置，再相關模塊里設定濾波時間和頻率，這個一般是過濾高頻的雜波 2，然後再程序里，編程實現： 均值濾波：我一般用最後五次采樣的平均值，采樣時間間隔和幾次求平均值可以自己定。 中值濾波：我沒用過，可以嘗試。 峰值濾波：直接取多次采樣的最高或最低值，也是特殊情況有用的。 總結：你首先要觀察你的測量量的特性，否則濾波是低效、盲目的。
B. 怎樣用Matlab循環編程實現均值濾波演算法，採用3*3的窗口
隨便寫了一個方法，沒優化，運行速度有點慢。對於圖像范圍邊界，只跟圖像內部點做均值。
clear
all
clc
A=imread('manuo1.jpg');
A=im2double(A);
subplot(1,2,1)
imshow(A);
[line,row]=size(A);
lines=0;
rows=0;
linee=0;
rowe=0;
temp=0;
B=[];
for
i=1:1:line
for
j=1:1:row
lines=i-1;
linee=i+1;
rows=j-1;
rowe=j+1;
if
i==1
lines=1;
linee=2;
end
if
i==line
lines=line-1;
linee=line;
end
if
j==1
rows=1;
rowe=2;
end
if
j==row
rows=row-1;
rowe=row;
end
temp=0;
for
m=lines:1:linee
for
n=rows:1:rowe
temp=temp+A(m,n);
end
end
B(i,j)=temp/((linee-lines+1)*(rowe-rows+1));
end
end
subplot(1,2,2)
imshow(B);
C. 急,求匯編語言編程:中值濾波和均值濾波
告訴你一本書叫做計算機控制技術上面有大量的這樣的程序！
D. 用MATLAB編程實現均值濾波演算法
1：smoothingAverageFilterMain.mclc;clear;fid = fopen('lenai.raw');temp= fread(fid, [256,256]);LenaRaw=uint8(temp');subplot(1,2,1) Imshow(LenaRaw);title('原始圖像')subplot(1,2,2) Imshow(smoothingAverageFilter(LenaRaw,3));title('自製函數，使用用3*3模板，均值濾波圖像')2：smoothingAverageFilter.mfunction returnData=smoothingAverageFilter(arg,arg2)[Iwidth,Ilength]=size(arg);temp=double(arg);returnData=zeros(Iwidth,Ilength);totalLength=arg2*arg2;for i=1:Iwidth-arg2+1 for j=1:Ilength-arg2+1 % temp(i,j)=average(arg(i:i+arg2,j:j+arg2)); sum=0.0; for n=1:arg2 for k=1:arg2 sum=sum+temp(i+n-1,j+k-1); end end returnData(i,j)=sum/totalLength; endendreturnData=uint8(returnData);end
E. 用Matlab編程，對一幅256的灰度圖像加椒鹽雜訊,然後做八鄰域平均濾波
clearall;
closeall;
figure;
I1=imread('cameraman.jpg');
subplot(221);
imshow(I1);title('原圖像');
I2=imnoise(I1,'salt&pepper');
subplot(222);
imshow(I2);title('加胡椒鹽雜訊');
M=fspecial('average',3*3);
I3=imfilter(I2,M);
subplot(223);
imshow(I3);title('工具箱均值濾波');
[m,n]=size(I1);
J=double(I2);
fori=2:m-2
forj=2:n-2
s=J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1);
I4(i,j)=s/9;
end
end
subplot(224);
imshow(uint8(I4));title('自編均值濾波');
F. plc模擬量輸入濾波怎麼設置
溫度值已電流形式接進模擬量輸入模塊。 2、模擬量模塊對電流模擬量進行數字化處理，轉化為數字量。 3、PLC從指定的模擬量輸入模塊通道將數值讀取。 4、編程將讀取的數值與你的上下限數值比較輸出。 注意：模擬量輸入模塊也需要編程，具體請參看A/D模塊說明書。 首先硬體，用萬用表測量模擬量的電壓或電流，看變送器輸出的模擬量信號是否穩定，如果是變送器的信號不穩，那麼就更換變送器。
2、如果是電壓信號，注意加濾波電容。
3、看模擬量是否有濾波設定，如果有可以設定一下濾波。硬體配置濾波，如果是200PLC打開系統塊，再Analog里設定濾波時間和頻率如果是300400PLC打開硬體配置，再相關模塊里設定濾波時間和頻率，這個一般是過濾高頻的雜波2，然後再程序里，編程實現：均值濾波：一般用最後五次采樣的平均值，采樣時間間隔和幾次求平均值可以自己定。
中值濾波：沒用過，可以嘗試。
峰值濾波：直接取多次采樣的最高或最低值，也是特殊情況有用的。
總結：首先要觀察測量量的特性，否則濾波是低效、盲目的。
G. MATLAB 中中位值平均濾波法（又稱防脈沖干擾平均濾波法）怎麼編寫程序啊
寫一個小函數，LZ調用它就可以了：
function fi = calc_avg(input,len)
% OUT = CALC_AVG(INPUT,LEN)
% calculate the average by each length LEN of the INPUT;
% INPUT is the input series or matrix need to be filtered;
% LEN is the average filter length, and LEN must be smaller than the input size;
% return OUT is the same size series or matrix of input.
[m,n] = size(input);
input = reshape(input,m*n,1);
if len>=m*n
error('the filter length is too large!');
return
else
input = [input;input(1:len-1)];
out = [];
for i=1:m*n
out(i) = mean(input(i:i+len-1));
end
fi = reshape(out,m,n);
end
H. 滑動平均值濾波法 用西門子 S7-200 plc編程，要求有程序注釋
不需要這樣做的！把擾源幹掉就行！如果實面需要濾波！可以勾選，一般情況下並不需要！
I. matlab程序代碼問題 均值濾波
h
=
ones(N,N)/N^2中，ones(N,N)是
生成一個N*N的方陣，元素全是1
。
ones(N,N)/N^2是把方陣中的每個元素除以N^2，也就是方陣的元素全是1/N^2
.
h
=
ones(N,N)/N^2就是把產生的方陣賦值給變數h
J. 大家看看我這程序錯在哪（關於處理圖象 均值濾波
圖像濾波
剛獲得的圖像有很多噪音。這主要由於平時的工作和環境引起的，圖像增強是減弱噪音，增強對比度。想得到比較干凈清晰的圖像並不是容易的事情。為這個目標而為處理圖像所涉及的操作是設計一個適合、匹配的濾波器和恰當的閾值。常用的有高斯濾波、均值濾波、中值濾波、最小均方差濾波、Gabor濾波。
由於高斯函數的傅立葉變換仍是高斯函數, 因此高斯函數能構成一個在頻域具有平滑性能的低通濾波器。可以通過在頻域做乘積來實現高斯濾波。均值濾波是對是對信號進行局部平均, 以平均值來代表該像素點的灰度值。矩形濾波器(Averaging Box Filter)對這個二維矢量的每一個分量進行獨立的平滑處理。通過計算和轉化 ,得到一幅單位矢量圖。這個 512×512的矢量圖被劃分成一個 8×8的小區域 ,再在每一個小區域中 ,統計這個區域內的主要方向 ,亦即將對該區域內點方向數進行統計,最多的方向作為區域的主方向。於是就得到了一個新的64×64的矢量圖。這個新的矢量圖還可以採用一個 3×3模板進行進一步的平滑。
中值濾波是常用的非線性濾波方法 ,也是圖像處理技術中最常用的預處理技術。它在平滑脈沖雜訊方面非常有效,同時它可以保護圖像尖銳的邊緣。加權中值濾波能夠改進中值濾波的邊緣信號保持效果。但對方向性很強的指紋圖像進行濾波處理時 ,有必要引入方向信息,即利用指紋方向圖來指導中值濾波的進行。
最小均方差濾波器,亦稱維納濾波器,其設計思想是使輸入信號乘響應後的輸出,與期望輸出的均方誤差為最小。
Gabor變換是英國物理學家 Gabor提出來的,由「測不準原理」可知,它具有最小的時頻窗,即Gabor函數能做到具有最精確的時間-頻率的局部化；另外, Gabor函數與哺乳動物的視覺感受野相當吻合,這一點對研究圖像特徵檢測或空間頻率濾波非常有用。恰當的選擇其參數, Gabor變換可以出色地進行圖像分割、識別與理解。如文獻提出的基於Gabor濾波器的增強演算法。