【opencv学习之二十四】OpenCV滤波处理对比

OpenCV的邻域滤波处理函数主要都通图像的卷积操作，有

1方框滤波boxFilter(),属于线性滤波，其原理是用一个矩阵和一个核矩阵卷积操作；

2均值滤波blur(),也属于线性滤波，是方框滤波一种归一化后的方框滤波；

3高斯滤波GaussianBlur()，属于线性滤波，其原理类似均值滤波，但是滤波经过加权处理，加权值符合正态分布，处理效果比均值更好一些；

4中值滤波medianBlur(),属于非线性滤波，会考虑区域范围内极端值的情况，然后再通过算法滤波；以下为摘自别的博客：中值滤波选择每个邻域像素的中值输出；指去掉百分率为a的最小值和最大值；定义域滤波中沿着边界的数字是像素的距离；值域就是去掉值域外的像素值。

5双边滤波bilateraFilter()，双边滤波的思想是抑制与中心像素值差别太大的像素，输出像素值依赖于邻域像素值的加权合;

滤波通俗来讲主要目的是为了消除图像上的干扰杂质，或者说去除小点；上面几种滤波的原理和算法可以参考小魏的博客：http://blog.csdn.net/xiaowei_cqu/article/details/7785365；深入了解；

滤波代码示例：

void imgSmoothing()//滤波操作
{
    Mat srcImg = imread("D:/ImageTest/0tu5px.JPG");
    Mat dstImg1,dstImg2,dstImg3,dstImg4,dstImg5 ;
    cv::cvtColor(srcImg,srcImg,COLOR_RGB2GRAY);//进行，灰度处理
    Size size0 = Size(5, 5);
    boxFilter(srcImg, dstImg1, -1, Size(3, 3), Point(-1, -1), true);  //方框滤波器 bool normalize参数设置为true时等同于均值滤波
    blur(srcImg, dstImg2, size0);  //均值滤波
    GaussianBlur(srcImg, dstImg3, Size(3, 3), 1);//高斯滤波
    medianBlur(srcImg, dstImg4, 5);//中值滤波
    bilateralFilter(srcImg, dstImg5, 5, 10.0, 2.0);//双边滤波
    threshold(dstImg1,dstImg1, 127, 255, THRESH_BINARY);
    threshold(dstImg2,dstImg2, 127, 255, THRESH_BINARY);
    threshold(dstImg3,dstImg3, 127, 255, THRESH_BINARY);
    threshold(dstImg4,dstImg4, 127, 255, THRESH_BINARY);
    threshold(dstImg5,dstImg5, 127, 255, THRESH_BINARY);
    imshow("src", srcImg);
    imshow("boxFilter dst", dstImg1);
    //    imwrite("D:/boxFilter.jpg", dstImg1); //保存结果图片
    imshow("blur dst", dstImg2);
    //     imwrite("D:/blur.jpg", dstImg2); //保存结果图片
    imshow("GaussianBlur dst", dstImg3);
    imshow("medianBlur dst", dstImg4);
    imshow(" bilateralFilter dst", dstImg5);
    waitKey(0);
}

实验结果：