Opencv提供的四种滤波器

     以下内容的解释来自于《Computer Vision: Algorithms and Applications》（机器视觉：算法和应用）的作者Richard Szeliski以及《LearningOpenCV》。
1、平滑滤波又称为模糊，是一种简单且常用的图像处理操作。
2、对图像进行平滑的原因有很多种，在这篇文章中我们强调平滑的目的是减少图像噪声。
3、为了对图像进行平滑操作，我们会对我们的图像使用一个滤波器。最常见的滤波器是线性滤波器，它的原理是：输出的像素值由输入的像素值的邻域（）权重值决定。
称为滤波核，它仅仅是个滤波器系数。它形象的描述了滤波窗口在图像上滑动的过程。
滤波器有有好多种，在这里我们介绍最常用的：
 
1 标准滤波器（邻域平均法）
该滤波器是所有滤波器里最简单的一种，输出的像素值由输入的滤波核所覆盖的像素值均值决定（每个邻域像素对其贡献的权重是相同的）。
滤波核可描述为：
                                               
2 高斯滤波（Gaussian）
该滤波器有可能是最有用的。高斯滤波通过对输入矩阵的每个元素使用高斯核进行卷积运算，然后将卷积结果赋给输出像素就可以了。
图1 一维高斯分布
一维高斯分布就是正太分布，如图1所示。
假设图像是一维的，你可以注意到中间的元素具有最大的权重值。在它之间的邻域权重按空间距离衰减。
注意：
记住二维高斯滤波的表达式为：
表示均值，就是图1里的最高点在X轴的投影，表示方差。
3 中值滤波(Median)
中值滤波器浏览图片中的每个像素，用滤波核覆盖的所有像素（处于被滤波像素的方形邻域内）的中值来代表滤波输出值。
4  双边滤波器（Bilatteral）
到目前为止，我们介绍的滤波器的主要目的是平滑图像。然而，这些滤波器不仅可以溶解噪声，同时还会平滑掉边缘。为了防止这种情况，我们可以使用双边滤波器。
类似于高斯滤波器，双边滤波器也对邻域内的每个像素值赋予一个权重。这个权重有2部分内容组成。第一部分是高斯滤波器一样的权重组成，第二部分考虑被检测像素与邻域像素的亮度变化程度。
 
Code
//全局变量
int G_DELAY_CAPTION =1500;
int G_DELAY_BLUR=2000;
int G_MAX_KERNAL_LENGTH=31; //最大滤波窗ä
 
Mat G_src;
Mat G_dst;
char G_window_name[]="FilterDemo1";
 
//函数声明
int display_caption(char*caption);
int display_dst(int delay);
 
 
void  main()
{
  
         namedWindow(G_window_name);
         
         //加载原图像数据
         G_src=imread("E:\\common\\building.jpg",1);
 
         if(display_caption("OriginalImage")!=0)
         {
  
                   return;
         }
 
         G_dst=G_src.clone();
         if(display_dst(G_DELAY_CAPTION)!=0)
         {
  
                   return;
         }
 
         cout<<"均¨´值¦Ì滤?波¡§"<<endl;
         //使用邻域平均滤波器
         for(int i=1;i<G_MAX_KERNAL_LENGTH;i=i+2)
         {
  
                   blur(G_src,G_dst,Size(i,i));
                   if(display_dst(G_DELAY_BLUR)!=0)
                   {
  
                            return ;
                   }
 
         }
 
         cout<<"高?斯1滤?波¡§"<<endl;
         //高斯滤波