数学原理
平滑线性滤波器
通过一个像素点领邻域内(包括本身)的像素值乘以某个加权系数来表示滤波后的图像像素,线性滤
波可以降低灰度尖锐变化。
如图所示左边为一张灰度图像,右边为两个均值滤波器模板。如果我们用蓝色模板对灰度值为14的这
个点做均值滤波处理,那么我们得到的新的灰度为:
(10*1+11*1+12*1+13*1+14*1+15*1+16*1+17*1+18*1)/(1+1+1+..+1)=126/9=14
也就是说滤波后源图像灰度为14的这个像素点灰度仍为14.
第二个模板反映了相关性,即离当前点越近的像素,影响因子更大,那么用第二个模板滤波后得到的
灰度值为:
(10*1+11*2+12*1+13*2+14*4+15*2+16*1+17*2+18*1)/(1+2+1+..+1)=224/16=14
例子举得不太好。。。
统计排序非线性滤波
以中值滤波为例,这种滤波就是在邻域内选取中值作为滤波后的灰度值,这种滤波对椒盐噪声非常有
效。以上图为例,对灰度为14的店进行3*3的均值滤波后得到的灰度为9个相邻(包括本身)的中位数.即14。
滤波器通常以3*3,5*5,7*7奇数宽度邻域为模板。
程序实现
#include <opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <stdio.h>
using namespace std;
using namespace cv;
Mat MeanFiltering(Mat image);
int get_middle(double *pArray,int start,int end);
Mat medianFiltering(Mat image);
int main()
{
Mat image=imread("F:/Qt/Smooth/2.jpg");
cvtColor(image,image,CV_RGB2GRAY);
Mat meanFilterImage=MeanFiltering(