C# OpenCvSharp 图像处理函数-图像平滑滤波-blur、boxFilter、sqrBoxFilter、medianBlur、GaussianBlur

在这篇文章中，将详细介绍几个常用的图像处理函数，通过具体的示例来说明每个函数的作用和使用方法。这些函数包括 blur、boxFilter、sqrBoxFilter、medianBlur 和 GaussianBlur。每个示例都将展示函数的运算过程和结果，并与实际应用项目相关联。

1. blur 函数

定义：

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

参数：

src：输入图像
dst：输出图像
ksize：滤波器的大小
anchor：滤波器的中心，通常采用默认值
borderType：边界类型，通常采用默认值

作用或原理：

图像模糊，也称为均值滤波。在 ksize 指定的大小内计算像素平均值，anchor 表示锚点位置，通常采用默认值，边界类型也采用默认值。

示例：

假设我们有一张包含小猫的图片，我们希望模糊处理这张图片，使得小猫的边缘不那么清晰。

using OpenCvSharp;

Mat src = Cv2.ImRead("cat.jpg"); // 读取图片
Mat dst = new Mat();
Cv2.Blur(src, dst, new Size(5, 5)); // 使用 5x5 的滤波器进行模糊处理
Cv2.ImWrite("blurred_cat.jpg", dst); // 保存模糊后的图片

运算过程和结果：

原始图像：清晰的小猫图片
模糊处理后：小猫的边缘变得模糊，不再那么清晰

2. boxFilter 函数

定义：

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

参数：

src：输入图像
dst：输出图像
ddepth：输出图像的数据类型
ksize：滤波器的大小
anchor：滤波器的中心，通常采用默认值
normalize：是否归一化
borderType：边界类型，通常采用默认值

作用或原理：

盒子滤波，与均值滤波类似，参数 ddepth 可以设置输出图像的数据类型，参数 normalize 可以设置是否归一化。

示例：

假设我们有一张包含风景的图片，我们希望使用盒子滤波处理这张图片。

using OpenCvSharp;

Mat src = Cv2.ImRead("landscape.jpg"); // 读取图片
Mat dst = new Mat();
Cv2.BoxFilter(src, dst, -1, new Size(5, 5)); // 使用 5x5 的滤波器进行盒子滤波处理
Cv2.ImWrite("boxfiltered_landscape.jpg", dst); // 保存处理后的图片

运算过程和结果：

原始图像：清晰的风景图片
盒子滤波处理后：风景的细节变得模糊，整体效果类似于均值滤波

3. sqrBoxFilter 函数

定义：

void sqrBoxFilter(InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor = Point(-1, -1), bool normalize = true, int borderType = BORDER_DEFAULT);

参数：

src：输入图像
dst：输出图像
ddepth：输出图像的数据类型
ksize：滤波器的大小
anchor：滤波器的中心，通常采用默认值
normalize：是否归一化
borderType：边界类型，通常采用默认值

作用或原理：

归一化平方和盒子滤波，与盒子滤波类似，计算滤波器内每个像素值的平方求和。

示例：

假设我们有一张包含建筑物的图片，我们希望使用平方和盒子滤波处理这张图片。

using OpenCvSharp;

Mat src = Cv2.ImRead("building.jpg"); // 读取图片
Mat dst = new Mat();
Cv2.SqrBoxFilter(src, dst, -1, new Size(5, 5)); // 使用 5x5 的滤波器进行平方和盒子滤波处理
Cv2.ImWrite("sqrboxfiltered_building.jpg", dst); // 保存处理后的图片

运算过程和结果：

原始图像：清晰的建筑物图片
平方和盒子滤波处理后：建筑物的细节变得模糊，但与普通盒子滤波相比，效果更平滑

4. medianBlur 函数

定义：

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

参数：

src：输入图像
dst：输出图像
ksize：滤波器的大小

作用或原理：

中值滤波。中值滤波对脉冲（椒盐）噪声很有效。其原理是在设置的滤波器大小内，对像素值进行从小到大排序，然后取中间值代替原像素值。

示例：

假设我们有一张包含噪声的图片，我们希望使用中值滤波去除噪声。

using OpenCvSharp;

Mat src = Cv2.ImRead("noisy_image.jpg"); // 读取图片
Mat dst = new Mat();
Cv2.MedianBlur(src, dst, 5); // 使用 5x5 的滤波器进行中值滤波处理
Cv2.ImWrite("medianblurred_image.jpg", dst); // 保存处理后的图片

运算过程和结果：

原始图像：包含噪声的图片
中值滤波处理后：噪声被有效去除，图像变得更加清晰

5. GaussianBlur 函数

定义：

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

参数：

src：输入图像
dst：输出图像
ksize：滤波器的大小
sigmaX：X方向的高斯核标准偏差
sigmaY：Y方向的高斯核标准偏差
borderType：边界类型，通常采用默认值

作用或原理：

高斯滤波是一种加权均值滤波，距离中心像素距离越近，权值越大。高斯滤波对随机噪声有比较好的效果。

示例：

假设我们有一张包含自然景观的图片，我们希望使用高斯滤波处理这张图片。

using OpenCvSharp;

Mat src = Cv2.ImRead("nature.jpg"); // 读取图片
Mat dst = new Mat();
Cv2.GaussianBlur(src, dst, new Size(5, 5), 1.5); // 使用 5x5 的滤波器和 1.5 的标准偏差进行高斯滤波处理
Cv2.ImWrite("gaussianblurred_nature.jpg", dst); // 保存处理后的图片

运算过程和结果：

原始图像：清晰的自然景观图片
高斯滤波处理后：图像的细节变得柔和，噪声被有效去除
通过这些示例，我们可以看到不同的滤波器在图像处理中的应用和效果。希望这些内容能帮助你更好地理解和使用 OpenCvSharp 进行图像处理。