均值滤波编程

A. plc模拟量输入滤波程序和方案

1，硬件配置滤波， 如果是200PLC打开系统块，再Analog里设定滤波时间和频率 如果是300400PLC打开硬件配置，再相关模块里设定滤波时间和频率，这个一般是过滤高频的杂波 2，然后再程序里，编程实现： 均值滤波：我一般用最后五次采样的平均值，采样时间间隔和几次求平均值可以自己定。 中值滤波：我没用过，可以尝试。 峰值滤波：直接取多次采样的最高或最低值，也是特殊情况有用的。 总结：你首先要观察你的测量量的特性，否则滤波是低效、盲目的。

B. 怎样用Matlab循环编程实现均值滤波算法，采用3*3的窗口

随便写了一个方法，没优化，运行速度有点慢。对于图像范围边界，只跟图像内部点做均值。
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,求汇编语言编程:中值滤波和均值滤波

告诉你一本书叫做计算机控制技术上面有大量的这样的程序！

D. 用MATLAB编程实现均值滤波算法

1：smoothingAverageFilterMain.mclc;clear;fid = fopen('lenai.raw');temp= fread(fid, [256,256]);LenaRaw=uint8(temp');subplot(1,2,1) Imshow(LenaRaw);title('原始图像')subplot(1,2,2) Imshow(smoothingAverageFilter(LenaRaw,3));title('自制函数，使用用3*3模板，均值滤波图像')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编程，对一幅256的灰度图像加椒盐噪声,然后做八邻域平均滤波

clearall;
closeall;
figure;
I1=imread('cameraman.jpg');
subplot(221);
imshow(I1);title('原图像');
I2=imnoise(I1,'salt&pepper');
subplot(222);
imshow(I2);title('加胡椒盐噪声');
M=fspecial('average',3*3);
I3=imfilter(I2,M);
subplot(223);
imshow(I3);title('工具箱均值滤波');
[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('自编均值滤波');

F. plc模拟量输入滤波怎么设置

温度值已电流形式接进模拟量输入模块。 2、模拟量模块对电流模拟量进行数字化处理，转化为数字量。 3、PLC从指定的模拟量输入模块通道将数值读取。 4、编程将读取的数值与你的上下限数值比较输出。 注意：模拟量输入模块也需要编程，具体请参看A/D模块说明书。 首先硬件，用万用表测量模拟量的电压或电流，看变送器输出的模拟量信号是否稳定，如果是变送器的信号不稳，那么就更换变送器。
2、如果是电压信号，注意加滤波电容。
3、看模拟量是否有滤波设定，如果有可以设定一下滤波。硬件配置滤波，如果是200PLC打开系统块，再Analog里设定滤波时间和频率如果是300400PLC打开硬件配置，再相关模块里设定滤波时间和频率，这个一般是过滤高频的杂波2，然后再程序里，编程实现：均值滤波：一般用最后五次采样的平均值，采样时间间隔和几次求平均值可以自己定。
中值滤波：没用过，可以尝试。
峰值滤波：直接取多次采样的最高或最低值，也是特殊情况有用的。
总结：首先要观察测量量的特性，否则滤波是低效、盲目的。

G. MATLAB 中中位值平均滤波法（又称防脉冲干扰平均滤波法）怎么编写程序啊

写一个小函数，LZ调用它就可以了：
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. 滑动平均值滤波法 用西门子 S7-200 plc编程，要求有程序注释

不需要这样做的！把扰源干掉就行！如果实面需要滤波！可以勾选，一般情况下并不需要！

I. matlab程序代码问题 均值滤波

h
=
ones(N,N)/N^2中，ones(N,N)是
生成一个N*N的方阵，元素全是1
。
ones(N,N)/N^2是把方阵中的每个元素除以N^2，也就是方阵的元素全是1/N^2
.
h
=
ones(N,N)/N^2就是把产生的方阵赋值给变量h

J. 大家看看我这程序错在哪（关于处理图象 均值滤波

图像滤波

刚获得的图像有很多噪音。这主要由于平时的工作和环境引起的，图像增强是减弱噪音，增强对比度。想得到比较干净清晰的图像并不是容易的事情。为这个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值。常用的有高斯滤波、均值滤波、中值滤波、最小均方差滤波、Gabor滤波。

由于高斯函数的傅立叶变换仍是高斯函数, 因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。可以通过在频域做乘积来实现高斯滤波。均值滤波是对是对信号进行局部平均, 以平均值来代表该像素点的灰度值。矩形滤波器(Averaging Box Filter)对这个二维矢量的每一个分量进行独立的平滑处理。通过计算和转化 ,得到一幅单位矢量图。这个 512×512的矢量图被划分成一个 8×8的小区域 ,再在每一个小区域中 ,统计这个区域内的主要方向 ,亦即将对该区域内点方向数进行统计,最多的方向作为区域的主方向。于是就得到了一个新的64×64的矢量图。这个新的矢量图还可以采用一个 3×3模板进行进一步的平滑。

中值滤波是常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。但对方向性很强的指纹图像进行滤波处理时 ,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。

最小均方差滤波器,亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小。

Gabor变换是英国物理学家 Gabor提出来的,由“测不准原理”可知,它具有最小的时频窗,即Gabor函数能做到具有最精确的时间-频率的局部化；另外, Gabor函数与哺乳动物的视觉感受野相当吻合,这一点对研究图像特征检测或空间频率滤波非常有用。恰当的选择其参数, Gabor变换可以出色地进行图像分割、识别与理解。如文献提出的基于Gabor滤波器的增强算法。