OpenCV开发笔记（十八）：算法基础之非线性滤波-中值滤波

若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104529643
各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究

红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中...（点击传送门）

OpenCV开发专栏（点击传送门）

上一篇：《OpenCV开发笔记（十七）：算法基础之线性滤波对比-方框、均值、高斯滤波》

下一篇：《OpenCV开发笔记（十九）：算法基础之非线性滤波-双边滤波》

 

前言

本篇章学习非线性滤波中的中值滤波。

 

Demo

 

中值滤波

概述

      中值滤波是指用模板核算子覆盖区域内所有像素值的排序，位置处于中间的像素值用来个更新当前像素点的值。

常见的核算子3x3，模板区域内有9个元素，将9个有元素分辨按照小到大排序为a1,a2,a3,a4,a5,a6,a7,a8,a9，中值滤波就是取中间的值a5替代中间点。

      中值滤波在边界的方寸方面由于均值滤波，是经常使用的一种滤波器，但是在模板逐渐变大时，会润在一定的边界模糊，画面的清晰度基本保持，中值滤波对处理椒盐噪声非常有效，中值滤波能减弱或消除傅里叶控件的高频分量，同时也影响低频分量。

      中值滤波去噪声的效果依赖于两个要素：领域的空间范围和中值计算中涉及的像素数。一般来说，小于滤波器面积一半的亮或暗的物体基本上会被滤除，而较大的物体几乎会原封不动的保存下来，因此中值滤波器的空间尺寸必须根据现有的问题来进行调整。

      中值滤波属于非线性滤波，线性滤波易于实现，且易于从频率响应的角度分析，单如果噪声是颗粒噪声而非高斯早省事，线性滤波不能去除噪声。如图像出现极值点，线性滤波只是将噪声转换为平缓但仍可见的散粒，最佳的解决方式是通过非线性滤波来滤除噪声。

函数原型

void medianBlur( InputArray src,
               OutputArray dst,
               int ksize );

• 参数一：InputArray类型，一般是cv::Mat，可以处理1、3或者4通道数的图片。但需要注意，当ksize为3或者5时，图片深度应该为CV_8U、CV_16U、CV_16S、CV_32F，而对于较大孔径尺寸的图片，他只能是CV_8U。
• 参数二；OutputArray类型，输出的目标图像，需要和原图片有一样的尺寸和类型。
• 参数三：Size类型的ksize，核算子的大小，必须大于等于1的奇数（等于1时是没有任何过滤效果的）。

 

Demo源码

void OpenCVManager::testMedianBlur()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows),
                                srcMat.type());
    int ksize = 1;      // 核心大小
    cvui::window(windowMat, dstMat.cols, 0, dstMat.cols, dstMat.rows, "settings");
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原图先copy到左边
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);
        // 中间为调整滤波参数的相关设置
        cvui::printf(windowMat, 375, 140, "ksize");
        cvui::trackbar(windowMat, 375, 150, 165, &ksize, 0, 10);

        // 中值滤波
        cv::medianBlur(srcMat, dstMat, ksize * 2 + 1);

        // 效果图copy到右边
        // 注意：rang从位置1到位置2，不是位置1+宽度
        cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
                                     cv::Range(srcMat.cols * 2, srcMat.cols * 3));
        cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}

 

工程模板：对应版本号v1.13.0

      对应版本号v1.13.0

 

上一篇：《OpenCV开发笔记（十七）：算法基础之线性滤波对比-方框、均值、高斯滤波》

下一篇：《OpenCV开发笔记（十九）：算法基础之非线性滤波-双边滤波》

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104529643