opencv笔记九、十（模糊处理 blur，medianBlur，GaussianBlur，bilateralFilter）
知识点：
均值模糊（均值滤波）：
blur（Mat src，Mat dst，Size（xradius，yradius））
// 原图 输出图 滤波窗口x大小，y大小 （长、宽）
高斯滤波：
GaussianBlur( Mat src, Mat dst, Size（xradius，yradius）,double sigmaX, double sigmaY)// 输入图 输出图 滤波窗口长、宽 可直接输0会自动计算 
中值模糊：medianBlur（Mat src, Mat dest,int ksize）；
// 窗口大小ksize*ksize（ksize为单个数字）
高斯双边滤波（Bilateral filter）：
bilateralFilter(Mat src,Mat dest,int d, double sigmaColor, double sigmaSpace);
d：计算的半径，半径之内的像数都会被纳入计算，如果提供-1，会从后面的参数sigmaSpace中自动计算。ksize如果设定值大于5，那计算会很慢，所以一般设置都等于5，如果少数情况需要去除比较大的噪声，那么ksize=9。
sigmaColor：决定多少差值之内的像素会被计算，这个参数的值越大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
sigmaSpace：计算图像的空间偏移量。如果d的值大于0则声明无效，否则根据它来计算d值。如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。
是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。可以与其相比较的两个filter：高斯低通滤波器(http://en.wikipedia.org/wiki/Gaussian_filter)和α-截尾均值滤波器（去掉百分率为α的最小值和最大之后剩下像素的均值作为滤波器）
ω(i,j,k,l)=exp(−(i−k)2+(j−l)22σ2d−||f(i,j)−f(k,l)||2σ2r)
注意点：xradius，yradius都应该是奇数，只有奇数才有窗口中心。
创建可以可以调整（设定）大小的窗口：
窗口大小可调：1变成0即可。或者写成：WINDOW_NORMAL
namedWindow("窗口名",0);//创建窗口
imshow("窗口名",要显示的图片);//在创建的窗口中显示图片
固定大小窗口：
加入一个新的函数：cvResizeWindow
namedWindow("窗口名",0);//创建窗口
cvResizeWindow("窗口名", 500, 500); //创建一个500*500大小的窗口
imshow("窗口名",要显示的图片);//在创建的窗口中显示图片
理论知识点：
#include
#include
using namespace cv;
using namespace std;
RNG rng(123456);
int main(int agrc, char** agrv) {
Mat t1 = imread("zaosheng.png"),t2,t3,t4,t5;
if (!t1.data ) {
cout << "WRONG";
return -1;
}
blur(t1, t2, Size(5, 5), Point(-1, -1), BORDER_DEFAULT);
medianBlur(t1, t3, 5);
GaussianBlur(t1, t4, Size(5, 5), 0, 0, BORDER_DEFAULT);
bilateralFilter(t1, t5, 5, 15, 5, BORDER_DEFAULT);
imshow("t1", t1);
imshow("t2", t2);
imshow("t3", t3);
imshow("t4", t4);
imshow("t5", t5);
waitKey(0);
}
运行对比结果如图：