opencv学习笔记（十七）——线性滤波

图像线性滤波：

• 图像滤波：指尽量在保存图像细节特征的条件下对目标图像的噪声进行抑制。
• 图像滤波的目的：一是抽出对象的特征作为图像识别的特征模式；二是消除图像中混入的噪声。
• 图像滤波的要求：一是不能损坏图像的轮廓及边缘等重要信息；二是使图像清晰视觉效果好。
• 滤波和模糊的区别：拿高斯滤波来举例：滤波一般可以分为高通滤波和低通滤波，对于高斯低通滤波就会产生模糊效果，如果对于高斯高通滤波就会产生锐化的效果。所以通常是：高斯滤波就是指使用高斯函数进行滤波；高斯模糊就是指低通滤波。
• 线性过滤器：即两个信号之和的响应和它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，使用乘积和的计算，例如：R = w1z1 + w2z2 + … + wnzn
  高通：边缘增强、边缘提取
  低通：钝化图像、去除噪音
  带通：删除特定频率、增强中很少用

方框滤波（boxfilter）

方框滤波的原理：

方框滤波的核表示如下：


h代表该点的像素值
hsize代表滤波核
这里的normalize默认为ture，normalize为ture时，方框滤波其实就是均值滤波了
假设滤波核大小为3*3的的，锚点坐标为（x,y）,则在目标图像上对应（x,y）这点的像素值为：
h = (f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y) + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1))/（3*3）

Boxfilter函数API介绍：

C++: void boxFilter(InputArray src,OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT )

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
• 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
• 第三个参数，int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。
• 第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
• 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。有默认值BORDER_DEFAULT。

使用实例：

#include<opencv2/opencv.hpp>

using namespace cv;

int main()
{
    cv::Mat srcimage = cv::imread("test.png");

    cv::namedWindow("源图像");
    cv::namedWindow("滤波后");
    std::cout << std::endl;
    std::cout << std::endl;
    std::cout <<