OpenCV学习7-图像模糊处理

模糊处理所用的原理：数学上的卷积计算，所谓的卷积算子或称为掩模(窗口)，简单理解为一组m*n矩阵，m，n为奇数的好，这样可以保证中心点存在，针对图像的像素矩阵，自上向下，自左向右的移动掩模矩阵(或卷积算子)的中心点，从而遍历像素矩阵(注意，3*3的掩模矩阵，边缘的1列像素点无法处理，5*5的掩模矩阵，边缘的2个像素点无法处理，这些无法处理的像素点可以采取其他算法处理)。

常用的几种方式(各具特色，各有优缺点)：

1.均值滤波：blur函数

解释：归一化盒子滤波(均值滤波)，掩模矩阵的各系数(权重)值同等(缺点是无法处理极值像素信息，因为它权重平均)。

2.高斯滤波：GaussianBlur函数：

解释：掩模矩阵的各系数(权重)值是不一样的(窗口中其他位置权重偏小，越靠近中心元素权重越大，中心元素权重最大，各位置权重值相加结果为1)，因此更利于保存像素原有的特征。

3.中值滤波：medianBlur函数

解释：基于统计学，窗口内的图像各像素值进行排序，取中值替代中心像素的颜色值，同理也存在最大值（最小值）滤波；

4.双边滤波：

解释：窗口内各位置对应的像素值与中心位置像素值进行差值比较，差值大的去除，此方式可以弥补高斯滤波的部分缺点，更好的保留边缘信息

代码示例：

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

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
	Mat matSrc = imread("D:/Learn/OpenCV/Info/PIC/dt.jpg");
	Mat matRet;

	imshow("ImageSrc", matSrc);

	Size size = Size(3, 3);//掩模矩阵,第一个参数为x轴方向，第二个参数为y轴方向
	Size sizeX = Size(20, 1);//x轴方向的模糊处理之后，类似于动态效果
	Point anchor = Point(-1, -1);//矩阵中心

	//均值模糊
	blur(matSrc, matRet, size, anchor);
	Mat matXImg;
	blur(matSrc, matXImg, sizeX, anchor);
	imshow("Blur", matRet);
	imshow("BlurX", matXImg);

	//高斯模糊
	Mat matGausBlur;
	int sigmaX = 20;
	int sigmaY = 20;
	GaussianBlur(matSrc, matGausBlur, size, sigmaX, sigmaY);
	imshow("GaussianBlur", matGausBlur);

	//中值模糊
	Mat medianMat;
	medianBlur(matSrc, medianMat, 3);//窗口为3*3
	imshow("MedianBlur", medianMat);

	//双边滤波
	Mat bilateralMat;
	int d = 3;//中心点辐射的半径范围
	int sigmaColor = 150;//颜色差值范围
	int sigmaSpace = 3;//如果d参数值为正数，则此参数无效
	bilateralFilter(matSrc, bilateralMat, d, sigmaColor, sigmaSpace);
	imshow("bilateral", bilateralMat);

	waitKey(0);
	return 0;
}