opencv笔记九、十（模糊处理 blur，medianBlur，GaussianBlur，bilateralFilter）

知识点：

均值模糊（均值滤波）：

blur（Mat  src，Mat  dst，Size（xradius，yradius））

//       原图             输出图      滤波窗口x大小，y大小 （长、宽）

高斯滤波：

 

GaussianBlur( Mat src, Mat dst, Size（xradius，yradius）,double sigmaX, double sigmaY)

//             输入图  输出图  滤波窗口长、宽         可直接输0会自动计算

  

 

中值模糊：medianBlur（Mat src, Mat dest,int ksize）；

//                                           窗口大小ksize*ksize（ksize为单个数字）

高斯双边滤波（Bilateral filter）：

bilateralFilter(Mat src,Mat dest,int d, double sigmaColor, double sigmaSpace);

 

d：计算的半径，半径之内的像数都会被纳入计算，如果提供-1，会从后面的参数sigmaSpace中自动计算。ksize如果设定值大于5，那计算会很慢，所以一般设置都等于5，如果少数情况需要去除比较大的噪声，那么ksize=9。

sigmaColor：决定多少差值之内的像素会被计算，这个参数的值越大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域。 

sigmaSpace：计算图像的空间偏移量。如果d的值大于0则声明无效，否则根据它来计算d值。如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。

 

 

是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，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。可以与其相比较的两个filter：高斯低通滤波器(http://en.wikipedia.org/wiki/Gaussian_filter)和α-截尾均值滤波器（去掉百分率为α的最小值和最大之后剩下像素的均值作为滤波器）

 

ω(i,j,k,l)=exp(−(i−k)2+(j−l)22σ2d−||f(i,j)−f(k,l)||2σ2r)

 

注意点：xradius，yradius都应该是奇数，只有奇数才有窗口中心。

 

创建可以可以调整（设定）大小的窗口：

 

窗口大小可调：1变成0即可。或者写成：WINDOW_NORMAL

namedWindow("窗口名",0);//创建窗口

imshow("窗口名",要显示的图片);//在创建的窗口中显示图片
 

固定大小窗口：

加入一个新的函数：cvResizeWindow

 

 

namedWindow("窗口名",0);//创建窗口

cvResizeWindow("窗口名", 500, 500); //创建一个500*500大小的窗口

 

 

imshow("窗口名",要显示的图片);//在创建的窗口中显示图片

 

理论知识点：

 

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;

RNG rng(123456);

int main(int agrc, char** agrv) {
	Mat t1 = imread("zaosheng.png"),t2,t3,t4,t5;
	if (!t1.data ) {
		cout << "WRONG";
		return -1;
	}
	blur(t1, t2, Size(5, 5), Point(-1, -1), BORDER_DEFAULT);
	medianBlur(t1, t3, 5);
	GaussianBlur(t1, t4, Size(5, 5), 0, 0, BORDER_DEFAULT);
	bilateralFilter(t1, t5, 5, 15, 5, BORDER_DEFAULT);

	imshow("t1", t1);
	imshow("t2", t2);
	imshow("t3", t3);
	imshow("t4", t4);
	imshow("t5", t5);
	waitKey(0);
}

 

运行对比结果如图：