花老湿OpenCV学习：均值滤波（简单模糊）

首先介绍一下模板卷积：  

模板卷积是数字图像处理常用的一种邻域运算方式，模板卷积可以实现图像平滑、图像锐化、边缘检测等功能。

        模板可以是一小幅图像，也可以是一个滤波器。

        模板卷积的基本步骤：

     （1）模板在输入图像上移动，让模板中心依次与输入图像的每个像素重合；

      （2）模板系数与跟模板重合的输入图像的对应像素相乘，再将乘积相加；

      （3）把结果赋予输图像，其像素位置与模板中心在输入图像上的位置一致；

      具体过程如下图所示（原图像进行了边界扩展，目的是保持卷积后图像与原图像大小相同）：

 

 

在图像模糊中出现的滤波器多数为线性核,也就是说目标图像(x,y处)的像素值由原图像的(x,y)处及其周围的像素点的的值加权相加而来.这个过程可以用下面的方程表示：

      kernel即为滤波器（核）,anchor为核的锚点，一般都位于核的中心。

均值滤波

均值滤波，即目标图像中的每个值都是源图像中相应位置一个窗口（核）中像素的平均值。

API介绍如下：

 

代码展示：

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main()
{
	Mat src = imread("F:\\visual studio\\Image\\women1.jpg");
	if (src.empty())
	{
		cout << "Can't load the image" << endl;
		return -1;
	}
	imshow("src", src);
	Mat dst1;
	blur(src, dst1, Size(5, 5), Point(-1, -1));
	imshow("dst", dst1);
	Mat dst2;
	blur(src, dst2, Size(1, 25), Point(-1, -1));
	imshow("dst2", dst2);
	Mat dst3;
	blur(src, dst3, Size(25, 1), Point(-1, -1));
	imshow("dst3", dst3);
	waitKey(0);
}

效果如图：

优点：算法简单，计算速度快；

缺点：降低噪声的同时使图像产生模糊，特别是景物的边缘和细节部分，像素强度变化变得平缓。