图像平滑处理

图像平滑处理

四种常用的线性滤波器对图像进行平滑处理:
1、归一化滤波器(Normalized Filter):
某一像素的邻域内的所有像素求平均值，然后赋值给该像素。

blur(
	输入图像，
	输出图像，
	邻域大小Size(i，i)，
	中心点Point(-1，-1)
);

2、高斯滤波器(Gaussian Filter):
最有用的滤波器。将输入数组的每一个像素点与高斯内核卷积，卷积和当作输出像素值。
假设图像是1维的，不难知道中间像素的加权系数时最大的，周边像素的加权系数随着它们远离中间像素的距离增大而逐渐减小。
二维高斯函数中，u为均值，6代表标准差，(变量x和y各有一个均值，也各有一个标准差)

GaussianBlur(
	输入图像，
	输出图像，
	滑块大小Size(i，i)，
	double sigmaX，
	double sigmaY
);//当sigmaX和sigmaY都为0时会根据图像自动生成，i为奇数;

3、中值滤波器(Median Filter):
某一像素的邻域内的所有像素的中值，然后赋值给该像素。

medianBlur(
	输入图像，
	输出图像，
	inti ksize
);//ksize均为模板大小

4、双边滤波器(Bilateral Filter):
有些时候滤波器不仅仅削弱了噪声，连带着把边缘也给磨掉了。为了在一定程度上避免这样的情况，可以使用双边滤波。
类似与高斯滤波，双边滤波器也给每一个邻域像素分配一个加权系数。这些加权系数包含两部分，第一部分加权方式与高斯滤波一样。第二部分的权重则取决于该邻域像素与当前像素的灰度差值。

bilateralFilter(
	输入图像，
	输出图像，
	像素邻域直径int d，
	double sigmaColor，
	double sigmaSpace
);//sigmaColor为颜色空间的标准偏差，//sigmaSpace为坐标空间的的标准偏差