C++ OpenCV4.5 图像模糊（五）

系列文章目录

C++ OpenCV4.5环境搭建（一）

C++ OpenCV4.5常用API查询手册（二）

C++ OpenCV4.5 图像处理（三）

C++ OpenCV4.5 绘制形状与文字（四）

---

---

前言

该篇主要讲解图像模糊的原理及实现，图像模糊包括均值模糊、高斯模糊、中值模糊和双边模糊。

---

一、均值模糊和高斯模糊（模糊）

均值模糊原理：
参考下图，假设有6×6的图像像素矩阵
卷积过程：6×6上面是3×3的窗口，从左往右，从上往下移动，将黄色部分的每个像素点值之和取平均值，赋值给中心红色像素点，当做卷积处理之后的新的像素值，每次移动一个像素；但会存在边缘值无法计算的问题，并且，一个很高的像素值可能在取平均值之后，变成一个很低的像素值

高斯模糊：不会存在边缘值无法计算的问题，并且每个点的像素值重新计算后，变化不会很大

代码如下（示例）：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(void)
{
	Mat srcImg, blurImg, gsBlurImg;
	srcImg = imread("D:\\1.jpg");
	if (!srcImg.data)
	{
		cout << "can not load image.." << endl;
		return -1;
	}
	// 功能：均值模糊
	// 参数：1、输入图像
	//		 2、输出图像
	//		 3、Size(x, y)，如果x和y相等，则为均值模糊，如果x大于y，则横向模糊；反之纵向模糊；值越大，模糊越明显
	//		 4、默认Point(-1, -1)，计算后的值赋给中心点
	// 返回：无
	blur(srcImg, blurImg, Size(11, 11), Point(-1, -1));
	
	// 功能：高斯模糊
	// 参数：1、输入图像
	//		 2、输出图像
	//		 3、Size(x, y)，如果x和y相等，则为均值模糊，如果x大于y，则横向模糊；反之纵向模糊；值越大，模糊越明显；
	//			x和y必须是正数而且是奇数
	//		 4、X方向的高斯标准差
	//		 5、Y方向的高斯标准差；如果sigmaY为零，则设置为等于sigmaX，如果两个sigma都为零，则取Size的宽度和高度
	// 返回：无
	GaussianBlur(srcImg, gsBlurImg, Size(11, 11), 11, 11);

	imshow("测试", srcImg);
	imshow("模糊", blurImg);
	imshow("高斯模糊", gsBlurImg);

	waitKey(0);

	return 0;
}

二、中值模糊和双边模糊（美颜）

中值模糊（滤波）原理：
参考下图，3×3区域像素排序是：
115、119、120、123、124、125、126、127、150；
中值等于：124
中值模糊对椒盐噪声有很好的抑制作用，可以去掉黑点和白点

双边模糊（滤波）：保留边缘信息的情况下，去掉人脸微小差异，相当于磨皮

代码如下（示例）：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;


int main(void)
{
	Mat src, dst;
	src = imread("E:\\1.jpg");
	if (src.empty())
	{
		cout << "load image fail..." << endl;
		return -1;
	}
	imshow("input image", src);

	// 功能：中值模糊，去掉椒盐噪声
	// 参数：src 输入图像
	//		 dst 输出图像
	//		 ksize 光圈线性大小，当前使用3×3的大小；必须是奇数且大于1，例如：3、5、7。。。
	// 返回：无
	// medianBlur(src, dst, 3);
	// imshow("medianBlur", dst);

	// 功能：双边模糊，去掉人脸微小差异，相当于磨皮，保留边缘信息
	// 参数：src 输入图像
	//		 dst 输出图像
	//		 d 计算的半径(磨皮的程度)，半径之内的像素都会纳入计算，如果传-1，则根据sigmaSpace参数取值
	//		 sigmaColor 决定多少差值之内的像素会被计算，差值越大，边缘信息保留越少，磨皮越严重，图片越模糊
	//		 sigmaSpace 如果d的值大于0则无效，否则，根据它来计算d值
	// 输出：无
	bilateralFilter(src, dst, 15, 100, 3);
	imshow("bilateralFilter", dst);

	// 再利用掩膜计算，增加图像对比度，最终实现美颜相机的效果
	Mat result;
	Mat kernal = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(dst, result, -1, kernal, Point(-1, -1), 0);
	imshow("filter2D", result);

	waitKey(0);

	return 0;
}

---

总结

1、均值模糊无法克服边缘像素信息丢死缺陷，原因是均值滤波是基于平均权重
2、高斯模糊克服了均值模糊的缺陷，但无法完全避免，因为没有考虑像素值的不同
3、高斯双边模糊（双边滤波）是边缘保留的滤波方法，避免了边缘信息丢失，保留了图像轮廓不变