opencv学习-均值滤波高斯滤波中值滤波双边滤波

Posted 2021-06-30 殇堼

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

1.均值滤波

1.1数学原理：

卷积核所有的系数都是1。

1.2 API：blur函数中参数说明

blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1));
例如：blur(src, dst, Size(3, 3), Point(-1, -1));
（1）src即输入图像。

（2）dst即目标图像，与输入图像有相同的尺寸和类型。

（3）Size（3,3）就表示3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。

（4）Point(-1, -1)表示锚点（即被平滑的那个点），默认值Point(-1,-1)，表示锚点即卷积核的中心。

1.3 均值滤波代码展示

#include<opencv2\\opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

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

	//均值滤波
	blur(src, dst, Size(3, 3), Point(-1, -1));
	imshow("均值滤波后", dst);

	waitKey(0);
	return 0;
}

2 高斯滤波

高斯是一个正态分布的曲线
特点是会保留原有图像中像素的

2.1 数学原理

A：归一化系数

2.2 API–GaussianBlur函数中参数说明

GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);
例如：GaussianBlur(src, dst, Size(3, 3), 0, 0);
（1）src即输入图像。

（2）dst即目标图像，与输入图像有相同的尺寸和类型。

（3）Size（3,3）就表示窗口（卷积核）3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。
Size（x, y）, 其中x, y 必须是正数而且是奇数

（4）0，表示高斯核函数在X方向的的标准偏差为0。

（5）0，表示高斯核函数在Y方向的的标准偏差为0。

2.3 代码展示

#include<opencv2\\opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

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

	//高斯滤波
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	imshow("高斯滤波后", dst);

	waitKey(0);
	return 0;
}

3 中值滤波

中值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。

3.1 API：medianBlur函数中参数说明

中值模糊medianBlur（Mat src, Mat dest, ksize）

ksize大小必须是大于1而且必须是奇数。

3.2 代码演示

#include<opencv2\\opencv.hpp>
#include<iostream>

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;
}

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。
显然，中值滤波很好地去除椒盐噪声，且卷积核越大，越模糊。

双边滤波

双边模糊bilateralFilter(src, dest, d=15, 150, 3);

d：滤波过程中使用的每个像素邻域的直径。