我的OpenCV学习笔记（八）：空域滤波之均值滤波

空域滤波按照对像素的操作方法，可以分为两类：线性滤波（低通、高通、带通）和非线性滤波（最大值、最小值、中值）

按照图像处理的效果，可以分为平滑滤波和锐化滤波。

“线性滤波”这个概念其实是从信号与系统里面借用过来的。输入信号通过一个线性系统时，输出的结果是输入信号与系统时域冲击响应的卷积。而在图像处理中，则使用模板对像素（及其周围像素）进行线型加权运算，权值取决于模板的像素值。运算方法与卷积类似，所以就称为滤波了。非线性滤波自然进行不是线性运算了。

由于没有贴公式，所以可能大家对文字的解释不是很理解，不行还是看书吧。这里主要想说明这些滤波的特点以及程序是如何实现的：

 

今天先从最简单的均值滤波器开始：

	//源图像
	Mat scr = imread("D:/picture/img.tif");
	//结果图像
	Mat rst;
	rst.create(scr.rows,scr.cols,scr.type());
	imshow("原图像",scr);	
	//均值滤波函数:就使用模板里面所有像素的平均值来代替锚点的像素值
	blur(scr,rst,Size(5,5));	
	imshow("平滑滤波结果",rst);	

 

 结果如图：

当把模板换成10*10时

明显，模板越大，图像越模糊。所以如果你使用滤波器的目的是去除噪音，那么同时也会平滑图像的细节。

当然你也可用使用filter2D函数来实现同样的操作：

	//调用滤波函数来完成图像的锐化 
    //滤波器的核 
	Mat kernel = Mat::ones( 5, 5, CV_32F )/ (float)(5*5);

    //调用滤波函数 
    filter2D(scr,rst,scr.depth(),kernel);