1、cvSmooth函数用法

定义原型

  void cvSmooth( const CvArr* src, CvArr* dst,int smoothtype=CV_GAUSSIAN,
              int param1, int param2, double param3, double param4 );
src:输入图像.
dst:输出图像.
smoothtype平滑方法:
CV_BLUR_NO_SCALE(简单不带尺度变换的模糊) - -对每个象素的 param1×param2 领域求和。如果邻域大小是变化的,可以事先利用函数 cvIntegral 计算积分图像。
CV_BLUR (simple blur)- -对每个象素param1×param2邻域求和并做尺度变换 1/(param1×param2)。
CV_GAUSSIAN(gaussian blur) - -对图像进行核大小为 param1×param2 的高斯卷积。
CV_MEDIAN(median blur) - -对图像进行核大小为param1×param1 的中值滤波 (邻域是方的)。
CV_BILATERAL(双向滤波) - -应用双向 3x3 滤波，彩色 sigma=param1，空间 sigma=param2.。

   关于双向滤波，可参考http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html。
param1
平滑操作的第一个参数.
param2
平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况，如果param2的值为零，则表示其被设定为param1。
param3
对应高斯参数的 Gaussian sigma (标准差). 如果为零，则标准差由下面的核尺寸计算：
sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核,n=param2 对应垂直核.
对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma 速度会快。如果 param3 不为零，而 param1 和 param2 为零，则核大小由sigma 计算 (以保证足够精确的操作).

  函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。
  没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。
 简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以（in-place）方式处理图像。
 中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以 in-place 方式处理图像.



2、实例(OpenCV 1.0+VC6.0)

   原图像为495x460的单通道灰度图像，已经加有一定程度的椒盐噪声。

   关键代码为：

//邻域平均滤波
cvSmooth(pImg,pImg,CV_BLUR,3,3,0,0);           //3x3
cvSmooth(pImg,pImg,CV_BLUR,5,5,0,0);          //5x5

//中值滤波
 cvSmooth(pImg,pImg,CV_MEDIAN,3,3,0,0);    //3x3
 cvSmooth(pImg,pImg,CV_MEDIAN,5,5,0,0);    //5x5
//高斯滤波
 cvSmooth(pImg,pImg,CV_GAUSSIAN,3,3,0,0);//3x3
 cvSmooth(pImg,pImg,CV_GAUSSIAN,5,5,0,0);//5x5