双边滤波数学原理和C++代码实现

已于 2024-01-12 21:11:25 修改
阅读量1.1k 收藏 2
点赞数 1
分类专栏： 数字图像处理 文章标签： opencv 图像处理
于 2022-01-18 18:46:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_21603315/article/details/122565811
版权
本文介绍了双边滤波的基本原理，它结合了空间邻近度和像素值相似度来保边去噪。文中提供了双边滤波的C++代码实现，并通过效果测试对比了自编函数与OpenCV内置函数的滤波结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

一、基本原理

  先从均值滤波说起，模板中所有元素的值是相同的，表示邻域内的每个像素具有相同的权重。而对于高斯滤波，距离模板中心更近的元素具有更高的权重。双边滤波在高斯滤波的基础上更进一步，不仅考虑了元素到模板中心距离的远近，而且考虑了元素灰度值与模板中心灰度值之差的大小。换言之，到模板中心更近、与模板中心的灰度值差异更小的元素，具有更高的权重。
  双边滤波（bilateral filter）是一种非线性的滤波方法，同时考虑了空间邻近度和像素值相似度，从而达到保边去噪的目的。双边滤波之所以能够做到：在平滑去噪的同时还能够很好地保留边缘（edge preserve），是由于其模板元素的值由两部分组成：

  • 第一部分由“元素到模板中心的欧式距离”决定
  • 第二部分由“元素的灰度值、模板中心的灰度值之差”决定

  第一部分的计算公式如下，( k k

了解本专栏 订阅专栏 解锁全文 超级会员免费看
双边滤波器C++ 代码
07-20
主要使用C++ 代码编写 ，仅仅使用了opencv的读入图片和保存图片功能，代码非常优化，易读懂，双边滤波是计算机视觉领域必不可少的技术，最经典的技术，此代码能共助你100%理解双边滤波器的工作原理。
双边滤波c++代码实现
11-07
双边滤波的cpp文件，直接输入图像的原始数据，然后就可以得到滤波后的图像数据
【2025最新版】PCL点云处理算法汇总（C++长期更新版）
最新发布
点云侠的博客
01-18 60万+
PCL学习目录。博客长期更新，最近一次更新时间为：2025年3月23日。
c++实现双边滤波
weixin_44969144的博客
04-07 756
是一种非线性滤波，能够达到去噪保边的效果。相比，双边滤波多了一种，也就是还考虑了所以双边滤波是结合图像的空间邻近度和像素值相似度的一种折衷处理。先看看对比效果：wsize=23*23, sigma(space)=10，sigma(color)=35在同样的掩膜尺寸、sigma(space)的情况下，双边滤波能去除噪声污染并能保持边缘。图像增强、图像去雾、图像去噪、图像恢复、美颜等等。
双边滤波C++实现
11-02
双边滤波 纯C++实现，支持8位灰度图像和24位真彩图像
双边滤波(bilateralfiter)原理及C++实现
小武的博客
05-02 1万+
写在前面 双边滤波是一种非线性滤波，能够达到去噪保边的效果。相比高斯滤波，双边滤波多了一种掩膜，也就是还考虑了灰度相似性，所以双边滤波是结合图像的空间邻近度和像素值相似度的一种折衷处理。 先看看对比效果：wsize=23*23, sigma(space)=10，sigma(color)=35 ...
C++ 双边滤波器（非opencv库实现） VS2013用
01-04
原来是csdn上下载的，代码参数和结构不好，修改了一下，也备注了主要关键处，方便大家使用。双边滤波比较简单。我的平台是vs2013,opencv配置是 2.4.9实现原理是C++，基本的图像读取操作复制等还是用的opencv库函数。
点云双边滤波
qq_27353621的博客
02-03 2465
点云双边滤波
图像双边滤波
05-07
**图像双边滤波详解** 图像处理领域中，双边滤波是一种重要的无监督图像平滑算法，它能够在平滑图像噪声的同时，有效地...通过理解并熟练掌握双边滤波的原理和应用，我们可以更好地进行图像处理任务，提升图像质量。
opencv-12-高斯滤波-双边滤波(附C++代码实现)
Fxxk CPP
05-10 1071
开始之前 这几天由于自己的原因没有写, 一个是因为自己懒了, 一个是感觉这里遇到点问题不想往下写了, 我们先努力结束这个章节吧, 之前介绍了比较常用而且比较好理解的均值和中值滤波, 但是呢,在例程Smoothing Images, 还有给出的其他的滤波方式, 主要是高斯滤波和双边滤波, 我们这一次完结掉滤波与平滑的这个部分, 写的有点多了,反而不想再写了, 加油 目录 文章目录开始之前目录本文目标正文高斯滤波(Gaussian Filter)高斯滤波原理C++ 实现opencv 高斯滤波高斯滤波效果对比双
bilateral双边滤波应用，OpenCV ，C++代码
01-24
bilateral双边滤波应用，OpenCV ，C++代码，对图片进行滤波AAAAAAAAAAAAA
自实现双边滤波代码及测试图像
11-26
自己实现的双边滤波代码及测试图像，基于OpenCV3.0&VS2013;；只需一个积分，如果没有积分，请带博客下留言邮箱，看到后会第一时间发送。博客地址：https://blog.csdn.net/u013921430/article/details/84532068
C++实现双边滤波
jiao_mrswang的博客
03-30 1626
//*************************************************************////***************C++实现双边滤波*******************************////*************************************************************//#include &l...
【C++】双边滤波器（bilateral filter）
weixin_30615767的博客
03-28 366
Bilateral Filtering for Gray and Color Images 双边滤波器：保留边界的平滑滤波器。 在局部上，就是在灰度值差异不大的区域平滑，在灰度值差异比较大的边界地区保留边界。所以双边滤波器作用于每个像素的同时，必然会受到领域像素点的距离、灰度值差的权重影响。 已知低通滤波可以表示为： range filter可以表示为：（...
【机器视觉学习笔记】双边滤波算法（C++）
乙酸氧铍的博客
09-23 1193
目录源码滤波器主函数效果完整源码 平台：Windows 10 20H2 Visual Studio 2015 OpenCV 4.5.3 本文所用源码修改自双边滤波(bilateral filter)以及联合双边滤波（joint bilateral filter）—— flow_specter 源码 滤波器 // 双边滤波 // @ src 待滤波的影像 // @ dst 输出的影像 void BilateralFilter(Mat& src, Mat& dst, int d, doub
双边滤波原理与C++实现
cyh706510441的专栏
06-21 1万+
一、原理      双边滤波（Bilateral filter）是一种可以去噪保边的滤波器。之所以可以达到此效果，是因为滤波器是由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个由像素差值决定滤波器系数。  原理示意图如下：      双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合，                 权重系数w(i,j,k,l)取决于定
双边滤波原理详解-c++实现-opencv
uiopmn1的博客
06-07 279
bilateral filter双边滤波器的通俗理解 图像去噪的方法很多，如中值滤波，高斯滤波，维纳滤波等等。但这些降噪方法容易模糊图片的边缘细节，对于高频细节的保护效果并不明显。相比较而言，bilateral filter双边滤波器可以很好的边缘保护，即可以在去噪的同时，保护图像的边缘特性。双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的（不理解这几个概念没关系，后面会慢慢解释）...
使用C++及gdal实现双边滤波代码，不使用openCV
10-21
在C++中，GDAL是一个强大的地理空间数据访问库，但它本身并不直接提供图像处理的功能，如双边滤波。双边滤波通常用于图像平滑并保留边缘信息，OpenCV是一个常用的库，它有现成的函数可以实现双边滤波。但在没有OpenCV的情况下，我们可以利用一些数学和图像处理的基本原理来手动实现。 以下是一个简单的双边滤波算法的示例代码，仅用于演示概念，而不是最优化的性能版本： ```cpp #include <gdal/gdal.h> #include <gdal_priv.h> // for GDALGetDataTypeByName() #include <algorithm> // 边缘像素阈值 const double sigmaColor = 50.0; const double sigmaSpace = 5.0; // 帮助函数，计算高斯权重 double GaussianWeight(double distance, double sigma) { return std::exp(-distance * distance / (2 * sigma * sigma)); } // 双边滤波函数 void BilateralFilter(gdal.Dataset* dataset, int xSize, int ySize, int radius) { // 获取输入数据类型 gdalDataType dataType = GDALGetDataTypeByName(dataset->GetRasterBand(1)->GetDescription()); float* input = static_cast<float*>(dataset->GetRasterBand(1)->ReadRaster(0, 0, xSize, ySize, nullptr, dataType)); // 创建临时缓冲区 float* output = new float[xSize * ySize]; memset(output, 0, sizeof(float) * xSize * ySize); // 遍历每个像素 for(int y = -radius; y <= radius; ++y) { for(int x = -radius; x <= radius; ++x) { int i = y + radius * xSize; double colorWeightSum = 0.0; double spaceWeightSum = 0.0; int index = 0; // 计算邻域内像素的颜色和空间权重 for(int dy = -radius; dy <= radius; ++dy) { for(int dx = -radius; dx <= radius; ++dx) { if(dx == 0 && dy == 0) continue; // 自身像素不参与加权 int neighborY = y + dy; int neighborX = x + dx; if(neighborY >= 0 && neighborX >= 0 && neighborY < ySize && neighborX < xSize) { double dColor = input[(neighborY * xSize) + neighborX] - neighborY) * (y - neighborY) + (x - neighborX) * (x - neighborX))) / sigmaSpace; colorWeightSum += GaussianWeight(dColor, sigmaColor); spaceWeightSum += GaussianWeight(dSpace, sigmaSpace); index += neighborY * xSize + neighborX; } } } // 更新输出像素值 output[i] = input[i] + (input[index] - input[i]) / colorWeightSum * spaceWeightSum; } } // 将结果写回GDAL Band dataset->GetRasterBand(1)->WriteRaster(0, 0, xSize, ySize, output, dataType, NULL, 0); delete[] output; }
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ygdd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值