opencv-滤波器

平滑（模糊）是一种简单而经常使用的图像处理操作，意图是减少噪声

最常见的滤波器是线性的，输出像素的值为g（i，j）被确定为输入像素值的加权和。h（k，l）为滤波器的系数。

• 归一化框过滤器

每个输出像素是内核邻居的均值

内核为：

• 高斯滤波器

     可能是最有用的过滤器（虽然不是最快的）。高斯滤波是通过将输入数组中的每个点与高斯核进行卷积来完成的，然后将它们相加以产生输出数组。

只是为了使图片更清晰，一维高斯内核：

图像为1D时，中间的像素将具有最大的权重，其邻接点随着他们的像素的距离增加而减少

2d高斯的公式为

• 中值滤波器

相邻像素的中位数代替每个像素

双边滤波器

为了防止普通滤波使得边缘变得平滑，我们可以使用双边滤波器

opencv的调用实例：

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace std;
using namespace cv;
int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;
Mat src; Mat dst;
char window_name[] = "Smoothing Demo";
int display_caption( const char* caption );
int display_dst( int delay );
int main( void )
{
  namedWindow( window_name, WINDOW_AUTOSIZE );
  src = imread( "图片路径", IMREAD_COLOR );
  if( display_caption( "Original Image" ) != 0 ) { return 0; }
  dst = src.clone();
  if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; }
  if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { blur( src, dst, Size( i, i ), Point(-1,-1) );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { GaussianBlur( src, dst, Size( i, i ), 0, 0 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Median Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { medianBlur ( src, dst, i );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { bilateralFilter ( src, dst, i, i*2, i/2 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  display_caption( "End: Press a key!" );
  waitKey(0);
  return 0;
}
int display_caption( const char* caption )
{
  dst = Mat::zeros( src.size(), src.type() );
  putText( dst, caption,
           Point( src.cols/4, src.rows/2),
           FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );
  imshow( window_name, dst );
  int c = waitKey( DELAY_CAPTION );
  if( c >= 0 ) { return -1; }
  return 0;
}
int display_dst( int delay )
{
  imshow( window_name, dst );
  int c = waitKey ( delay );
  if( c >= 0 ) { return -1; }
  return 0;
}
//blur滤波的参数意义
//src：源图像
//dst：目标图像
//Size（w，h）：定义要使用的内核的大小（宽度为w像素和高度h像素）
//Point（-1，-1）：表示相对于邻域的锚点（被评估的像素）的位置。如果存在负值，则内核的中心被认为是锚点。


//高斯滤波参数
//src：源图像
//dst：目标图像
//大小（w，h）：要使用的内核的大小（要考虑的邻居）。和必须是奇数和正数，否则将使用和参数计算大小。w ^HσXσÿ
//σX：的标准偏差。写意味着使用内核大小计算。
//σÿ：的标准偏差。写意味着使用内核大小计算。

//中值滤波
//src：源图像
//DST：目标图像，必须是相同的类型的src
//i：内核的大小（只有一个，因为我们使用一个方形窗口）

//双边过滤器
//c：源图像
//dst：目标图像
//每个像素邻域的直径。
//颜色空间中的标准偏差。
//坐标空间中的标准偏差（以像素为单位）