OpenCV学习之路（十一） 图像滤波

目录

方框滤波

均值滤波

高斯滤波

中值滤波

双边滤波

---

 

官方文档

高斯函数的详细分析

 

采用不同的滤波方式来对图像进行降噪、增强细节等处理。不通滤波方式核心是采取的滤波器不同。

线性滤波器有 方框滤波、均值滤波、高斯滤波等。

非线性滤波有 中值滤波、双边滤波等。

滤波操作也可以在图像的 频域 进行，利用 离散傅里叶变换。

几种常见的线性滤波器（频率即指灰度值的变化，频率高灰度值变化快）：

低通滤波器：允许低频率通过。

高通滤波器：允许高频通过。

带通滤波器：允许一定范围内的频率通过。

带阻滤波器：阻止一定范围内的频率通过。

全通滤波器：允许所有频率通过，仅仅改变相位关系。

陷波滤波器：阻止一个狭窄频率范围通过，是一种特殊的带阻滤波器。

 

方框滤波

函数原型如下：

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

（1）第一个参数，InputArray 类型的 src，为源图像（Mat 类型的对象）。该函数对通道是独立处理的，且可以处理任意通道的图像，但其深度应为 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 之一。

（2）第二个参数，OutputArray 类型的 dst，为输出图像，需要和源图像有一样的尺寸和类型。

（3）第三个参数，int 类型的 ddpeth，输出图像的深度，-1 代表使用源图像的深度，即 src.depth()。

（4）第四个参数，Size 类型的 ksize，内核的大小。一般用 Size(w, h) 表示内核的大小，w 表示内核的宽度，h 表示内核的高度。

（5）第五个参数，Point 类型的anchor，表示锚点（即被平滑处理的那个店）。默认为（-1，-1）。若该点为负值，则表示内核的中心点为锚点。

（6）第六个参数，bool 类型的 normalize，默认值为 true。表示内核是否被归一化了。被归一化即为 均值滤波。

（7）第七个参数，int 类型的 borderType，用于推断图像外部像素的某种边界模式。一般使用默认值即可。

均值滤波

函数原型如下：

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

（1）第一个参数，InputArray 类型的 src，参考方框滤波中的 src，注意图像深度的取值。

（2）第二个参数，OutputArray 类型的 dst，输出图像，同方框滤波中的 dst。

（3）第三个参数，Size 类型的 ksize。

（4）第四个参数，Point 类型的 anchor。

（5）第五个参数，int 类型的 borderType。

高斯滤波

函数原型如下：

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

（1）第一个参数，InputArray 类型的 src，源图像。

（2）第二个参数，OutPutArray 类型的 dst，输出图像。

（3）第三个参数，Size 类型的 ksize，内核大小。

（4）第四个参数，double 类型的 sigmaX，表示高斯函数在 X 轴方向上的标准偏差。

（5）第五个参数，double 类型的 sigmaY，表示高斯函数在 Y 轴方向上的标准偏差，默认值为 0 。若 sigmaY 为 0，将其设为 sigmaX，若 sigmaX 也为 0 ，则有 ksize.width 和 ksize.height 计算出来。

（6）第六个参数，int 类型的 borderType。

中值滤波

函数原型如下：

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

（1）第一个参数，InputArray 类型的 src，源图像。

（2）第二个参数，OutputArray 类型的 dst，输出图像。填通道数为1、3、4 的 图像。若 ksize 为 3 或 5，则图像深度的取值为 CV_8U、CV_16U、CV_32F之一。对于较大孔径尺寸的图像，深度只能为 CV_8U。 

（3）第三个参数，int 类型的 ksize，孔径的线性尺寸，（3，5，7....)。

双边滤波

函数原型如下：

void bilateraFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT);

（1）第一个参数，源图像。

（2）第二个参数，输出图像。

（3）第三个参数，int 类型的 d，表示在过滤过程中每个像素邻域的直径。若该参数为非正数，会通过 sigmaSpace 计算。

（4）第四个参数，double 类型的 sigmaColor ，颜色空间滤波器的 sigma 值 。该参数值越大，说明该像素邻域内越宽广的颜色会被混合到一起，产生较大半径的半相等颜色区域。

（5）第五个参数，double 类型的  sigmaSpace，坐标空间滤波器的 sigma 值。该参数值越大，说明越远的像素会相互影响。参数 d > 0 时，d 指定了 邻域大小且与 sigmaSpace 无关。否则，d 正比于 sigmaSpace。

（6）第六个参数，int 类型的 borderType。用于推断图像外部像素的某种边界模式。

 

先简单写个示例演示四种滤波器（均值滤波、高斯滤波、中值滤波、双边滤波），代码如下：

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

using namespace cv;
using namespace std;

void on_Smoothing(int, void*);

int smoothType = 0;
int maxSmoothType = 3;
int kernelSize = 1;
int maxKernelSize = 31;

const char* smoothTypeStr = "滤波器类型 ";
const char* kernelSizeStr = "滤波器大小 ";

Mat srcSmoothImage, dstSmoothImage;


int main()
{
	srcSmoothImage = imread("cat.jpg");
	if (srcSmoothImage.empty())
	{
		cout << "原图读取发生错误！\n" << endl;
	}
	imshow("原图", srcSmoothImage);
	
	namedWindow("效果图", WINDOW_AUTOSIZE);
	createTrackbar(smoothTypeStr, "效果图", &smoothType, maxSmoothType, on_Smoothing);

	createTrackbar(kernelSizeStr, "效果图", &kernelSize, maxKernelSize, on_Smoothing);

	on_Smoothing(0, 0);

	waitKey(0);
	return 0;
}

void on_Smoothing(int, void*)
{ 
	Size smoothSize = Size(2 * kernelSize + 1, 2 * kernelSize + 1);
	int smoothsize = 2 * kernelSize + 1;

	switch (smoothType)
	{
		/**
		  0: 均值滤波
		  1: 高斯滤波 
		  2: 中值滤波 
		  3: 双边滤波
		*/
	case 0:
		blur(srcSmoothImage, dstSmoothImage, smoothSize, Point(-1, -1));
		break;
	case 1:
		GaussianBlur(srcSmoothImage, dstSmoothImage, smoothSize, 0, 0);
		break;
	case 2:
		medianBlur(srcSmoothImage, dstSmoothImage, smoothsize);
		break;
	case 3:
		bilateralFilter(srcSmoothImage, dstSmoothImage, smoothsize, smoothsize * 2, smoothsize / 2);
		break;
	default:
		break;
	}

	imshow("效果图", dstSmoothImage);
}

运行结果如下所示：

不知道为啥 trackbar 的名字显示不全....