Opencv基础入门笔记08

Opencv基础入门笔记：图像模糊之均值模糊及高斯模糊

1.图像模糊的概念理解

我们都听说过图片的去模糊，但是图片的模糊又有什么用呢？
下面借两张图来说明。
下面两张图中，左边是原图，右边是模糊处理后的图片，可以明显的看到图上的噪声减少了很多，同时，一些小的，较小的白点也被去掉了。也就是说：作用1：去噪点，去除椒盐噪点

当我们再把图片中像素二值化处理，合理设置最低阈值，最高阈值进行二值化处理，发现，被提取出来的特征白点，变得非常明显，这就是方便了我们进行一些目标的检测！所以，作用2：过滤较小目标，，做目标提取与分析

2.图片模糊滤波种类

分均值滤波，双边滤波，中值滤波，最大最小值滤波等，这些都涉及了数学矩阵的叉乘点乘！！！
公式：

h(k,l)就是卷积核（特殊的卷积核我们又叫卷积算子），也叫权重系数，公式简化写为

图像表达：

均值滤波（线性）（归一化滤波）——blur
正如其文字表达的那样，是采用了平均值。是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值。

中值滤波（非线性）——medianblur
同上所述，只不过把平均值改为了中位数。

最大最小值滤波（线性）——max_min_Valueblur
最大最小值滤波是一种比较保守的图像处理手段，与中值滤波类似，首先要排序周围像素和
中心像素值，然后将中心像素值与最小和最大像素值比较，如果比最小值小，则替换中心像
素为最小值，如果中心像素比最大值大，则替换中心像素为最大值。

双边模糊滤波（非线性）——BilateralFilter
双边滤波是保留边缘的滤波方法，避免了边缘信息的丢失，保留了图像轮廓不变。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中处理，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 [1] 。双边滤波器的好处是可以做边缘保存

高斯模糊（线性）——GaussianBlur
根据高斯函数的形状来选择权值的线性滤波。 高斯平滑滤波对去除服从正态分布的噪声是很有效的。

3.代码演示（高斯滤波与均值滤波）

在vs2017上查看源码声明，边看，就知道参数的具体含义了，这也是我推荐学各种库的人要学会的

blur声明

GaussianBlur声明

// Opencv 文件.cpp :
#include "pch.h"
#include
#include 
using namespace cv;
using namespace std;
char output_blur[] = "blur";
char output_gassian[] = "gassian_blur";
int main()
{
	Mat src1 = imread("E:\\360downloads\\0.jpg");


	if (!src1.data) {//!src.data与src.empty()一样；
		printf("failure to load the image1 ");
		return -1;
	}
	//resize(src1, src1, Size(900, 840));
	imshow("src1", src1);
	Mat dst1 = Mat::zeros(src1.size(), src1.type());//创建一张同大小的图片
	blur(src1, dst1, Size(40, 5), Point(-1, -1));//均值模糊，卷积核可以不是奇数
	imshow(output_blur, dst1);
	Mat dst2 = Mat::zeros(src1.size(), src1.type());
	GaussianBlur(src1, dst2, Size(31, 11), 1, (0.0), 4);//高斯模糊，卷积核为31*11，必须为奇数
	imshow(output_gassian, dst2);


	waitKey(0);
	return 0;
}

这里，blur卷积核大小不同与GaussianBlur时效果：

当修改GaussianBlur，与blur卷积核都是（31，11）时

从图上可以明显看到：原图周围都是白色，扑克牌边缘也是白色，所以，用blur，是很难克服边缘像素丢失问题，GaussianBlur则不会有这个问题，而且，blur均值模糊滤波效果强—扑克牌都基本无法分辨，GaussianBlur细节保留完整，模糊效果仅是朦胧。
——（至于是否继续增大卷积核，请读者尝试）

ps：有些东西可能写错，希望各位读者见谅并热心指出！