图像处理：图像滤波

用于平滑图像的常见滤波算子包括：

1.      均值滤波（normalized box filter）：用其像素点周围像素的平均值代替元像素值，在滤除噪声的同时也会滤掉图像的边缘信息。在OpenCV中，可以使用boxFilter和blur函数进行均值滤波。

优点：算法简单，计算速度快；

缺点：降低噪声的同时使图像产生模糊，特别是景物的边缘和细节部分。

 

2.      高斯滤波（Gaussian filter）：高斯滤波为最常用的滤波器，具有可分离性质，可以把二维高斯运算转换为一维高斯运算，其本质上为一个低通滤波器。在OpenCV中可通过函数GaussianBlur进行操作。

 

适用于消除高斯噪声

 

3.      中值滤波（median filter）：中值滤波用测试像素周围邻域像素集中的中值代替原像素。中值滤波去除椒盐噪声和斑块噪声时，效果非常明显。在OpenCV中，可以使用函数medianBlur进行操作。

优点：抑制效果很好，画面的清析度基本保持；

缺点：对高斯噪声的抑制效果不是很好。

 

4.      双边滤波（bilateral filter）：双边滤波在平滑图像时能够很好的保留边缘特性，但是其运算速度比较慢。在OpenCV中，可以使用函数bilateralFilter进行操作。

 

 

 

除了平滑去噪，图像锐化，求边缘等也是常见的图像滤波应用。这类滤波器常常使用一节或者二阶差分（或微分，对于数字图像而言，其为离散信号，长用差分代替导数）核算子对图像进行滤波。一节差分常用于求取图像边缘。二阶差分常用于图像增强。常用的这类算子包括：

1.      Sobel operator：Sobel算子通过计算水平和垂直方向上的一节差分来进行计算。在OpenCV函数中，可通过使用Sobel函数进行计算。

 

 2.      Laplacian operator：Laplacian算子通过计算二阶差分（微分）来进行计算。在OpenCV函数中，可通过使用Laplacian函数进行计算。