作用原理:
图像采集过程中,常常会引入高斯噪声,即这是一种按照高斯曲线进行分布的噪声
所以使用高斯滤波来进行图像去噪
高斯滤波考虑了像素离开滤波器中心的距离影响,中心位置为高斯分布均值,比如上图为 0
根据高斯分布公式,和滤波器所覆盖像素距离中心的距离,就可以计算每个像素被滤波后的像素值,即执行了一个卷积操作
函数原型:
void cv::GaussianBlur ( InputArray src,
OutputArray dst,
Size ksize,
double sigmaX,
double sigmaY = 0,
int borderType = BORDER_DEFAULT
)
解析:
- src:输入图像,可以是任意通道数
- dst:输出图像,与输入图像具有相同的尺寸,通道数,和类型
- ksize:滤波器尺寸,可以不是正方形,但是必须为正奇数(如果设置为 0,则由输入的标准差来计算所需的尺寸)
- sigmaX:X 方向高斯滤波器标准差
- sigmaY:Y 方向高斯滤波器标准差(如果输入 0,则会被设置成等于 sigmaX,如果 sigmaX 和 sigmaY 都输入 0,则会根据滤波器尺寸来计算得到标准差)
- borderType:像素外推法
代码示例:
void TestGaussianBlur()
{
cv::Mat lena = cv::imread("lena.jpg", 1);
cv::Mat blurred_3x3;
cv::Mat blurred_5x5;
cv::Mat blurred_7x7;
cv::GaussianBlur(lena, blurred_3x3, cv::Size(3, 3), 0, 0);
cv::GaussianBlur(lena, blurred_5x5, cv::Size(5, 5), 0, 0);
cv::GaussianBlur(lena, blurred_7x7, cv::Size(7, 7), 0, 0);
cv::imshow("lena", lena);
cv::imshow("blurred_3x3", blurred_3x3);
cv::imshow("blurred_5x5", blurred_5x5);
cv::imshow("blurred_7x7", blurred_7x7);
cv::waitKey(0);
return;
}
原图:
使用 3X3 的 kernel:
使用 5X5 的 kernel:
使用 7X7 的 kernel:
可以看到,kernel 越大,去除噪声(平滑)的效果越明显,但同时,图像也会越模糊!