opencv009-图像模糊二(中值滤波和双边滤波)+添加椒盐噪音

中值滤波：1.统计排序滤波器   2.中值对椒盐噪声有很好的抑制作用

medianBlur（Mat src, Mat dest, ksize）；//中值模糊的ksize大小必须是大于1而且必须是奇数。

双边滤波：

l均值模糊无法克服边缘像素信息丢失缺陷。原因是均值滤波是基于平均权重

l高斯模糊部分克服了该缺陷，但是无法完全避免，因为没有考虑像素值的不同

l高斯双边模糊 – 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

l双边模糊bilateralFilter(src, dest, d=15, 150, 3);

15 –计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值

150 – sigma color 决定多少差值之内的像素会被计算

3 – sigma space 如果d的值大于0则声明无效，否则根据它来计算d值

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

void salt(Mat dst, int n);//添加椒盐噪音
int main(int agrc, char** agrv) {
	Mat src;
	src = imread("C:/Users/liyangxian/Desktop/bjl/nm3.jpg");
	if (!src.data) {
		printf("no load..\n");
		return -1;
	}
	const char* input_win = "input";
	const char * salt_win = "salt image";
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	imshow(input_win, src);
	Mat dst = src.clone();
	salt(dst, 300);
//	namedWindow(salt_win, CV_WINDOW_AUTOSIZE);
//	imshow(salt_win, dst);
	Mat medi;
	medianBlur(dst,medi , 3);//中值滤波
//	imshow("medianblur_image", medi);
	//双边滤波
	Mat bil;
	bilateralFilter(src, bil, 15, 100, 5);
	imshow("bila_image", bil);
	//高斯滤波
	Mat gblur;
	GaussianBlur(src, gblur, Size(15, 15), 3, 3);
	namedWindow("gauss_iamge", CV_WINDOW_AUTOSIZE);
	moveWindow("gauss_iamge", 0, 0);//移动窗口位置
	imshow("gauss_iamge", gblur);
	Mat final_image;
	Mat kernal = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(bil, final_image, -1, kernal, Point(-1, -1), 0);
	imshow("final_image", final_image);
	waitKey(0);
	return 0;
}
void salt(Mat dst,int n) {//添加椒盐噪音
	RNG rng(12345);
	for (int k = 0; k < n; k++) {
		int i = rng.uniform(0, dst.rows);
		int j = rng.uniform(0, dst.cols);
		if (dst.channels() == 1) {
			dst.at<uchar>(i, j) = 255;
		}
		else if (dst.channels() == 3) {
			dst.at<Vec3b>(i, j)[0] = 255;
			dst.at<Vec3b>(i, j)[1] = 255;
			dst.at<Vec3b>(i, j)[2] = 255;
		}
	}
}