opencv非线性滤波--中值、双边滤波

一、中值滤波的原理

  中值滤波的内核系数全是1，通过对模板系数对应的图像像素进行统计排序，找到中值， 能够很好地排除掉较大或较小的噪声，例如椒盐噪声（形象的说就是在图像中的一些黑、白点），脉冲噪声等。
  缺点：统计排序时间较长

二、中值滤波API

void medianBlur( InputArray src, OutputArray dst, int ksize );

参数src：当ksize为3,5时，深度可以是CV_8U, CV_16U, or CV_32F；若ksize更大，深度只能是CV_8U。
参数dst：和原图一样的大小、类型
参数ksize：只能是正、奇数。

三、双边滤波原理

1、简介
  相比较高斯模糊，得到的是一整张图像被模糊，细节边缘会丢失，只考虑了像素间的空间距离的关系（空间距离影响权重），而双边滤波既考虑了像素空间距离的关系，又考虑了像素之间相似程度的关系，所以可以达到图像模糊的作用的同时又保留了边缘细节

2、双边滤波原理
2.1、滤波器核由空间域核和值域核两个函数生成：
  ①空间域核：由像素位置欧式距离决定的模板权重值$w_d$

     $w_d(i,j,k,l)=exp(-\frac{(i-k{)}^2+(j-l{)}^2}{2{\sigma }_d^2})$

  注：其中（k,l）是模板中心点的坐标，（i，j）是模板中其他系数的坐标，${\sigma }_d$是高斯函数的标准差。
  ②值域核：由像素的差值决定的模板权重值$w_r$

     $w_r(i,j,k,l)=exp(-\frac{{\Vert f(i,j)-f(k,l)\Vert }^2}{2{\sigma }_r^2})$

  注：f（i,j），f（k,l）是图像对应模板位置的像素值，${\sigma }_r$是高斯函数的标准差。
  不管是空间域核还是值域核，其大小均在[0，1]之间。
  ③空间域核×值域核 = 实际模板权值

    $w(i,j,k,l)=w_d(i,j,k,l)\ast w_r(i,j,k,l)$

  ④求得实际像素值：

    $g(k,l)=\frac{\sum f(i,j)\ast w(i,j,k,l)}{\sum w(i,j,k,l)}$

2.2、原理：
  在图像平坦区域，临近像素的像素差值较小，对应的值域权重值$w_r$趋近于1，此时空间域权重值$w_d$起主要作用，相当于对平坦区域进行高斯模糊；
  在图像边缘区域，临近像素的像素差值较大，对应的值域权重值$w_r$趋近于0，使得$w$减小，对像素的影响就越小，从而保持了原图的边缘细节。

3、API介绍

void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType = BORDER_DEFAULT );

不支持就地操作
参数src：8位或浮点数单通道、3通道图。
参数dst：和原图一样的大小和类型。
参数d：邻域大小，邻域内的像素纳入计算，d越大，计算范围越大。
参数sigmaColor：代表${\sigma }_r$，颜色（差值）空间中滤波器的sigma值，决定了像素邻域中多少差值之内的像素会被计算，值越大，像素领域内就会有更多的颜色被混合计算，超过这个值的像素会当作边缘计算；一般设置在10~150之间。
参数sigmaSpace：代表${\sigma }_d$，坐标（距离）空间中滤波器的sigma值，值越大，表示领域内更远的像素会相互影响，从而使更大区域中足够相似的颜色获取相同的颜色；若d > 0，则d指定了邻域大小且与sigmaSpace无关，否则d正比于sigmaSpace.;一般设置为5

4、总结

  双边滤波能够很好地保存图像边缘细节而去除掉低频分量的噪音，但是花费时间相对其他滤波较长，对于简单的双边滤波而言，可以将两个sigma设置相同，如果值小于10，则对滤波器影响较小，如果值大于150，则对滤波器影响很大，会使图像看起来像卡通图。