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;
}
}
}