[Opencv初探之六]：图像滤波

  图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。消除图像中的噪声成分叫作图像的平滑化或滤波操作。信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的，而在较高频段，感兴趣的信息经常被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。
  图像滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一个是为适应图像处理的要求，消除图像数字化时所混入的噪声。
而对滤波处理的要求也有两条:一是不能损坏图像的轮廓及边缘等重要信息;二是使图像清晰视觉效果好。
  滤波处理分为两大类：线性滤波和非线性滤波。OpenCV里有这些滤波的函数，使用起来非常方便，现在简单介绍其使用方法。

1.线性滤波：方框滤波、均值滤波、高斯滤波

1.1 方框滤波

 void boxFilter(InputArray src,OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT )

参数列表如下：

• InputArray src：输入图像，待处理的图片深度应为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
• OutputArray dst：目标图像，需要和源图片有一样的尺寸和类型
• int ddepth:输出图像的深度，-1代表使用原图深度，即src.depth()
• Size ksize: 内核的大小,一般这样写Size( w,h )来表示内核的大小。
• Point anchor：表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
• bool normalize：默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了。
• int borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

boxFilter（）函数方框滤波所用的核为：

其中：

当normalize=true时，方框滤波即为均值滤波。

完整代码：

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

using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("../test.jpg");
    imshow("original", img);
    Mat out;
    boxFilter(img, out, -1, Size(7, 7));//-1指原图深度
    imshow("boxFilter", out);
    imwrite("boxFilter.jpg",out);
    waitKey(0);
}

效果如下：

1.2 均值滤波

  均值滤波是典型的线性滤波算法，主要方法为邻域平均法，即用一片图像区域的各个像素的均值来代替原图像中的各个像素值。均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

void blur(InputArray src, OutputArraydst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )

参数列表如下：

• InputArray src：输入图像，应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
• OutputArray dst：目标图像，需要和源图片有一样的尺寸和类型
• Size ksize:内核的大小。Size( w,h )来表示内核的大小
• Point anchor:表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
• int borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

完整代码：

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

using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("../test.jpg");
    imshow("original", img);
    Mat out;
    blur(img, out, Size(7, 7));//-1指原图深度
    imshow("blur", out);
    imwrite("blur.jpg",out);
    waitKey(0);
}

效果等效于上述方框滤波。

1.3 高斯滤波

高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

void GaussianBlur(InputArray src,OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, intborderType=BORDER_DEFAULT )

参数列表如下：

• InputArray src：输入图像，为CV_8U,CV_16U,CV_16S, CV_32F 以及 CV_64F之一。
• OutputArray dst：目标图像，需要和源图片有一样的尺寸和类型。
• Size ksize：高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数。或者，它们可以是零的，它们都是由sigma计算而来。
• double sigmaX：表示高斯核函数在X方向的的标准偏差。
• double sigmaY：表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。
• int borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它

完整代码：

#include<opencv2/opencv.hpp>   

using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("../test.jpg");
    imshow("original", img);
    Mat out;
    GaussianBlur(img, out, Size(7, 7), 0, 0);
    imshow("gaussblur", out);
    imwrite("gaussblur.jpg",out);
    waitKey(0);
}

效果如下：

2.非线性滤波：中值滤波，双边滤波

  线性滤波中的滤波器都是线性的，即两个信号之和的响应和他们各自响应之和相等。换句话说，每个像素的输出值是一些输入像素的加权和，线性滤波器易于构造，并且易于从频率响应角度来进行分析。
  其实在很多情况下，使用邻域像素的非线性滤波也许会得到更好的效果。比如在噪声是散粒噪声而不是高斯噪声，即图像偶尔会出现很大的值的时候。在这种情况下，用高斯滤波器对图像进行模糊的话，噪声像素是不会被去除的，它们只是转换为更为柔和但仍然可见的散粒。

2.1 中值滤波

中值滤波（Median filter）是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节。但是对一些细节多，特别是线、尖顶等细节多的图像不宜采用，而且处理速度一般是均值滤波的5倍以上。

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

参数列表：

• InputArray src：输入图像，当ksize为3或者5的时候，图像深度需为CV_8U，CV_16U，或CV_32F其中之一，而对于较大孔径尺寸的图片，它只能是CV_8U
• OutputArray dst：目标图像，需要和源图片有一样的尺寸和类型。
• int ksize，孔径的线性尺寸（aperture linear size），注意这个参数必须是大于1的奇数，比如：3，5，7，9 …

完整代码如下：

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

using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("../test.jpg");
    imshow("original", img);
    Mat out;
    medianBlur(img, out, 7);//第三个参数表示孔径的线性尺寸，它的值必须是大于1的奇数
    imshow("media", out);
    waitKey(0);
}

2.2 双边滤波

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衷处理，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。

双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

void bilateralFilter(InputArray src, OutputArraydst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)

参数列表如下：

• InputArray src：输入图像，需要为8位或者浮点型单通道、三通道的图像
• OutputArray dst：目标图像，需要和源图片有一样的尺寸和类型。
• int d：表示在过滤过程中每个像素邻域的直径。如果这个值我们设其为非正数，那么OpenCV会从第五个参数sigmaSpace来计算出它来。
• double sigmaColor：颜色空间滤波器的sigma值。这个参数的值越大，就表明该像素邻域内有更宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
• double sigmaSpace:坐标空间中滤波器的sigma值，坐标空间的标注方差。他的数值越大，意味着越远的像素会相互影响，从而使更大的区域足够相似的颜色获取相同的颜色。当d>0，d指定了邻域大小且与sigmaSpace无关。否则，d正比于sigmaSpace
• int borderType:用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

完整代码如下：

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

using namespace std;
using namespace cv;

//双边滤波
int main()
{
    Mat img = imread("../test.jpg");
    imshow("origial", img);
    Mat out;
    bilateralFilter(img, out, 25, 25 * 2, 25 / 2);
    imshow("bila", out);
    imwrite("bila.jpg", out);
    waitKey(0);
}

效果如下：


对比可看出，双边滤波较为清晰。