CS50模糊(blur)滤镜程序调试求助：测试结果不符合预期

问题概述 #

我独立完成了其他所有CS50项目，之前遇到问题会借助ChatGPT提示自行修复，但这次程序可运行却无法通过模糊滤镜测试，推测计算逻辑存在错误。具体测试报错如下：

• :( blur correctly filters middle pixel

  expected "127 140 149\n", not "123 135 143\n"

• :( blur correctly filters pixel on edge

  expected "80 95 105\n", not "75 88 97\n"

• :( blur correctly filters pixel in corner

  expected "70 85 95\n", not "56 68 76\n"

原代码核心问题分析 #

1. 原地修改图像数据：计算当前像素模糊值时直接覆盖原图像的像素，后续处理其他像素会用到已修改的像素，导致计算结果偏差。
2. 邻域计数逻辑错误：calcAv的初始化与累加逻辑混乱，没有准确统计实际参与计算的邻域像素数量，导致平均值分母错误。
3. 邻域遍历逻辑复杂易出错：通过fakeRow、dec等变量的遍历方式不够直观，容易遗漏或重复统计像素。

修复后的代码 #

#include <math.h>
#include "bmp.h"

void blur(int height, int width, RGBTRIPLE image[height][width])
{
    // 创建临时数组保存原始图像数据，避免原地修改干扰计算
    RGBTRIPLE temp[height][width];
    for (int i = 0; i < height; i++)
    {
        for (int j = 0; j < width; j++)
        {
            temp[i][j] = image[i][j];
        }
    }

    // 遍历每个像素计算模糊值
    for (int i = 0; i < height; i++)
    {
        for (int j = 0; j < width; j++)
        {
            double sumRed = 0, sumGreen = 0, sumBlue = 0;
            int pixelCount = 0;

            // 遍历当前像素的3x3邻域范围
            for (int rowOffset = -1; rowOffset <= 1; rowOffset++)
            {
                for (int colOffset = -1; colOffset <= 1; colOffset++)
                {
                    int currentRow = i + rowOffset;
                    int currentCol = j + colOffset;

                    // 检查邻域像素是否在图像有效范围内
                    if (currentRow >= 0 && currentRow < height && currentCol >= 0 && currentCol < width)
                    {
                        sumRed += temp[currentRow][currentCol].rgbtRed;
                        sumGreen += temp[currentRow][currentCol].rgbtGreen;
                        sumBlue += temp[currentRow][currentCol].rgbtBlue;
                        pixelCount++;
                    }
                }
            }

            // 计算平均值并四舍五入后更新图像
            image[i][j].rgbtRed = (BYTE)round(sumRed / pixelCount);
            image[i][j].rgbtGreen = (BYTE)round(sumGreen / pixelCount);
            image[i][j].rgbtBlue = (BYTE)round(sumBlue / pixelCount);
        }
    }
    return;
}

修复要点说明 #

• 临时数组存储原始数据：所有模糊计算基于未修改的原始像素，彻底避免数据污染问题。
• 直观的邻域遍历：通过偏移量遍历3x3范围内的所有可能像素，仅统计图像边界内的有效像素。
• 准确的计数逻辑：每遍历到一个有效像素就增加计数器，确保平均值的分母是实际参与计算的像素数量。
• 符合要求的四舍五入：使用round()函数保证平均值计算结果符合CS50测试的整数精度要求。

内容的提问来源于stack exchange，提问作者Dev Tusi_1