Opencv学习：非线性滤波：中值滤波、双边滤波

教程原文（本系列文章由@浅墨_毛星云 出品，转载请注明出处）链接： http://blog.csdn.net/poem_qianmo/article/details/23184547

非线性滤波

一、理论

（线性滤波器：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。）

1、中值滤波（Median filter）：用像素点邻域灰度值的中值来代替该像素点的灰度值，从而消除孤立的噪声点。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。在一定的条件下可以克服常见线性滤波器如最小均方滤波、方框滤波器、均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效，也常用于保护边缘信息, 保存边缘的特性使它在不希望出现边缘模糊的场合也很有用，是非常经典的平滑噪声处理方法。

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中值滤波。

与均值滤波器比较：

优势：在均值滤波器中，由于噪声成分被放入平均计算中，所以输出受到了噪声的影响，但是在中值滤波器中，由于噪声成分很难选上，所以几乎不会影响到输出。因此同样用3x3区域进行处理，中值滤波消除的噪声能力更胜一筹。中值滤波无论是在消除噪声还是保存边缘方面都是一个不错的方法。 

劣势：中值滤波花费的时间是均值滤波的5倍以上。

例如，取3 x 3的函数窗，计算以点[i,j]为中心的函数窗像素中值步骤如下：

（1） 按强度值大小排列像素点．

（2） 选择排序像素集的中间值作为点[i,j]的新值．

2、双边滤波（Bilateral filter）：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。

（以下摘自：http://blog.csdn.net/abcjennifer/article/details/7616663）

一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。可以与其相比较的两个filter：高斯低通滤波器(http://en.wikipedia.org/wiki/Gaussian_filter)和α-截尾均值滤波器（去掉百分率为α的最小值和最大之后剩下像素的均值作为滤波器）

双边滤波器中ÿ