【OpenCV+Cpp】day05图像模糊

【OpenCV+Cpp】day05图像模糊

---

---

前言

go on. 一张图像可以通过多种方法进行图像模糊，不同的方法会有不同的侧重点，今天我们分别介绍均值滤波、高斯滤波、中值滤波和双边滤波的方法。

---

一、模糊原理

Smooth/Blur是图像处理中最简单和常用的方法，用该方法可以在图像预处理时减少噪声，以下是该方法背后的卷积计算公式：
$g(i,j)={\sum }_{k,l}f(i+k,j+l)h(k,l)$，其中$h(k,l)$表示卷积算子，即对于每一个像素点，取其kl邻域的像素与卷积核函数相乘并累加。
下图展开解释了上述公式，其中黄色方框表示卷积核，红色方框表示该像素，66像素点矩阵代表原始图像，模糊结果使用公式得到。

二、均值滤波与高斯滤波

1. 均值滤波：对卷积核内像素值均值化处理，得到模糊图像。

代码如下（示例）：

// 模糊（均值滤波）卷积核大小为1*15
	blur(img, output, Size(1, 15), Point(-1, -1));

2. 高斯滤波
   使用高斯核函数对图像像素进行处理，具体公式如下。
   

代码如下（示例）：

//高斯模糊（高斯滤波）
	GaussianBlur(img, output1, Size(11, 11), 11, 11);

三、中值滤波与双边滤波

1. 中值滤波
   中值对卷积核内的像素进行取中值处理，从而抑制椒盐噪声（黑白噪点）。
   

代码如下（示例）：

	//中值滤波
	medianBlur(img, output2, 3);

2. 双边滤波
   由于均值滤波是基于平均权重的，所有均值模糊无法克服边缘像素信息丢失缺陷。虽然高斯滤波部分克服了以上缺点，但是无法完全避免。
   高斯双边滤波可以保留边缘信息，保持图像轮廓不变。具体公式可以参考该文章点击链接

代码如下（示例）：

	//双边滤波
	Mat output3;
	bilateralFilter(img, output3, 15, 150, 3);

---

总结

以下是本次学习的整体代码：
代码如下（示例）：

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

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
	Mat img, output;
	img = imread("./1.png");
	if (!img.data) {
		cout << "could not load image..." << endl;
		return -1;
	}
	// 模糊（均值滤波）卷积核大小为1*15
	blur(img, output, Size(1, 15), Point(-1, -1));
	imshow("input image", img);
	imshow("output image", output);

	Mat output1;
	//高斯模糊（高斯滤波）
	GaussianBlur(img, output1, Size(11, 11), 11, 11);
	imshow("output gaussian", output1);

	Mat output2;
	//中值滤波
	medianBlur(img, output2, 3);
	imshow("output median", output2);
	//双边滤波
	Mat output3;
	bilateralFilter(img, output3, 15, 150, 3);
	imshow("output bilateral", output3);

	//卷积模糊
	Mat output4;
	Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(img, output4, -1, kernel, Point(-1, -1), 0);
	imshow("output filter", output4);
	waitKey(0);
	return 0;
}

结果如下：