opencv学习笔记（十八）——图像非线性滤波

非线性滤波

非线性滤波是原始数据与滤波结果是一种逻辑关系,即用逻辑运算实现,而线性滤波采用的是算术运算结果。

---

中值滤波(Median filter)

中值滤波介绍

中值滤波是一种典型的非线性滤波技术，基本思想就是用像素点邻域灰度值得中值来代替该像素点的灰度值。常用在脉冲噪声，椒盐噪声的同时又能保留图像边缘细节。

• 优点：减小噪声在滤波中的影响，从而达到更好的滤波效果，同时还能更好地保留边缘细节。
• 缺点：耗时更久。

中值滤波API函数介绍：

C++: void medianBlur(InputArray src,OutputArray dst, int ksize)  

参数详解：

• 第一个参数，InputArray类型的src，函数的输入参数，填1、3或者4通道的Mat类型的图像；当ksize为3或者5的时候，图像深度需为CV_8U，CV_16U，或CV_32F其中之一，而对于较大孔径尺寸的图片，它只能是CV_8U。
• 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。我们可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。
• 第三个参数，int类型的ksize，孔径的线性尺寸（aperture linear
  size），注意这个参数必须是大于1的奇数，比如：3，5，7，9 …

中值滤波使用实例：

#include 

int main()
{
    cv::Mat srcImage = cv::imread("medianBlur.jpg");
    cv::namedWindow("sourceImage");
    cv::imshow("sourceImage", srcImage);

    cv::Mat dstImage;
    cv::medianBlur(srcImage, dstImage, 3);
    cv::namedWindow("MedianBlur");
    cv::imshow("MedianBlur", dstImage);

    cv::waitKey(0);
    return 0;
}

效果展示：

---

双边滤波

双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。
双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

双边滤波API函数介绍：

C++: void bilateralFilter(InputArray src, OutputArraydst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)  

• 第一个参数，InputArray类型的src，输入图像，即源图像，需要为8位或者浮点型单通道、三通道的图像。
• 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
• 第三个参数，int类型的d，表示在过滤过程中每个像素邻域的直径。如果这个值我们设其为非正数，那么OpenCV会从第五个参数sigmaSpace来计算出它来。
• 第四个参数，double类型的sigmaColor，颜色空间滤波器的sigma值。这个参数的值越大，就表明该像素邻域内有更宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
• 第五个参数，double类型的sigmaSpace坐标空间中滤波器的sigma值，坐标空间的标注方差。他的数值越大，意味着越远的像素会相互影响，从而使更大的区域足够相似的颜色获取相同的颜色。当d>0，d指定了邻域大小且与sigmaSpace无关。否则，d正比于sigmaSpace。
• 第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

双边滤波实例：

#include 

int main()
{
    cv::Mat srcImage = cv::imread("medianBlur.jpg");
    cv::namedWindow("sourceImage");
    cv::imshow("sourceImage", srcImage);

    cv::Mat dstImage;
    cv::bilateralFilter(srcImage, dstImage, 25, 25 * 2, 25 / 2);
    cv::namedWindow("bilateraFilter");
    cv::imshow("bilateraFilter", dstImage);

    cv::waitKey(0);
    return 0;
}