opencv学习-滤波篇（2）-中值滤波、双边滤波

滤波

滤波包括线性和非线性滤波。
Smooth/Blur 是图像处理中最简单和常用的操作之一
效果：
1.在图像预处理之前减低噪声，优化预处理前的图像。

通常这些卷积算子计算都是线性操作，所以又叫线性滤波
滤波操作的原理是卷积运算

一、中值滤波

作用：中值滤波对椒盐噪声有很好的抑制作用。

所谓椒盐噪声就是过亮和过暗的点，其像素值比周围的都要大或小，因此通过取中间值替换最值，进而能抹去椒盐噪声。

1.1 API-medianBlur

medianBlur中值模糊的函数原型，其参数如下：

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

参数含义如下：

（1）InputArray类型的src，输入图像。输入1、3或4通道图像；当ksize为3或5时，图像深度应为CV_8U、CV_16U或CV_32F，对于较大孔径，它只能是CV_8U。

（2）OutputArray类型的dst，即目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的ksize，光圈线性大小；它必须是奇数且大于1，例如：3、5、7 …。

1.2 全部代码

#include
#include

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/sp_noise.png");
	if (src.empty())
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("src", src);

	//中值滤波
	medianBlur(src, dst, 7);
	imshow("medianBlur_src", dst);

	waitKey(0);
	return 0;
}

1.3效果展示

以下分别显示原图和3、5、7的卷积尺寸进行中值滤波操作后的图像。

1.4结论

显然，中值滤波很好地去除椒盐噪声，且卷积核越大，越模糊。

二、双边滤波

2.1 API-bilateralFilter

双边模糊的函数原型如下：

void bilateralFilter(
InputArray src,
OutputArray dst,
int d,
double sigmaColor,
double sigmaSpace,
int borderType = BORDER_DEFAULT );

（1）InputArray类型的src，输入图像。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U,> CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

（2）OutputArray类型的dst，即目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的d，滤波过程中使用的每个像素邻域的直径。如果是非正的，则从sigmaSpace计算。

（4）double类型的sigmaColor ，颜色空间中过滤器sigma。参数值越大，意味着像素邻域（参见sigmaSpace）中的更多颜色将混合在一起，从而产生更大的半等色区域。

（5）double类型的sigmaSpace，在坐标空间中过滤器sigma。参数值越大，意味着更远的像素将相互影响，只要它们的颜色足够接近（参见sigmaColor）。当d大于0时，它指定邻域大小，而不考虑sigmaSpace。否则，d与sigmaSpace成比例。

（6）int类型的borderType，用于在图像外部外推像素的边框模式，具体请参见cv::BorderTypes。

2.2全部代码

#include
#include

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/lena.png");
	if (!src.data)
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("src", src);

	//双边滤波
	bilateralFilter(src, dst, 15, 150, 3);
	imshow("bilateralFilter_src", dst);

	waitKey(0);
	return 0;
}

2.3效果展示