OpenCV第四讲： 非线性滤波

上一两节讲的是线性滤波，即每个像素的输出值是一些输入像素的加权和，线性滤波器易于构造，并且易于从频率响应角度来进行分析。

然而， 在很多情况下，使用邻域的非线性滤波会得到更好的效果，比如噪声是散粒噪声而不是高斯噪声， 用高斯滤波器对图像进行模糊时不会去除噪声，它们只是转换了更为柔软但仍然可见的散粒。（ --> 中值滤波 show Time）

1. 中值滤波

它是一种典型的非线性滤波技术，原理是用像素点邻域灰度值的中值来代替该像素点的灰度值。 该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像的边缘细节。

• 中值滤波与均值滤波比较

/*
 优势：中值滤波几乎不受噪声影响，均值滤波会将噪声成分当做数据进行计算，输出会受到一定程度上的影响。所以中值滤波消除噪声能力更胜一筹。
		
 劣势： 中值滤波花费的时间是均值滤波的5倍以上。
*/

2. 双边滤波

结合图像的空间邻域度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的（即，边缘保存较好），具有简单、非迭代、局部的特点。

• 双边滤波与高斯滤波

//前者比后者多一个高斯方差，双边滤波的加权系数（w(i,j,k,l)）取决于定义域核和值域核的乘积，就会产生一个依赖于数据的双边滤波权重函数。

3. OpenCV中非线性滤波器相关函数

/*
	medianBlur  ## 中值滤波
	bilateralFilter  ## 双边滤波
*/
	/*******************************************************************
	 * void bilateralFilter( InputArray src, OutputArray dst, int d,
	 *                                 double sigmaColor, double sigmaSpace,
	 *                                 int borderType = BORDER_DEFAULT );
	 * 
	 * d: 滤波邻域直径
	 * sigmaColor： 颜色空间滤波器的sigma值
	 * sigmaSpace： 坐标空间的标注方差 它的数值越大， 意味着越远的像素会相互影响， 
	 * 
	 *******************************************************************/
		Mat medImage, doubImage; 
		medianBlur(srcImage, medImage, 5);  // ksize Must > 1 odd.(3, 5, 7)
		imshow("medianBlur", medImage);
	
		bilateralFilter(srcImage, doubImage, 25, 25*2, 25/2);
		imshow("bilateralFilter", doubImage);

4. 实现结果

在上图中，从左到右，从上到下，依次为blur、boxFilter、GaussianBlur、medianBlur、bilateralFilter