opencv图像处理——滤波器

opencv图像处理——滤波器

均值滤波器

  假设我们有一个3*3的模板，系数全为1，那么欲求的中心点像素值就是以该模板为中心的9个像素的平均值来代替。根据定义可知，该滤波器具有模糊边缘的负面效应。通过空间均值处理来模糊图像，可以突出感兴趣的物体，即将较部分图像融入背景中 ，部分图像‘突出显示’出来，达到平滑图像的作用。平滑既是模糊

	cv::boxFilter(image, dst, -1, cv::Size(3, 3), cv::Point(-1,-1));
	cv::namedWindow("boxFilter", cv::WindowFlags::WINDOW_FREERATIO);
	cv::imshow("boxFilter", dst);

中值滤波器

  中值滤波也是消除图像噪声最常见的手段之一，特别是消除椒盐噪声，中值滤波的效果要比均值滤波更好。中值滤波是跟均值滤波唯一不同是，不是用均值来替换中心每个像素，而是将周围像素和中心像素排序以后，取中值，一个3X3大小的中值滤波如下：

    cv::medianBlur(image, dst, 3);
	cv::namedWindow("medianBlur", cv::WindowFlags::WINDOW_FREERATIO);
	cv::imshow("medianBlur", dst);

双边滤波器

  双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部的特点。
双边滤波器的好处是可以做边缘保存，这个特点对于一些图像模糊来说很有用。一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。一般的高斯模糊在进行采样时主要考虑了像素间的空间距离关系，但是却并没有考虑像素值之间的相似程度，因此这样我们得到的模糊结果通常是整张图片一团模糊。

	cv::bilateralFilter(image, dst, 15, 100, 5);
	cv::namedWindow("bilateralFilter", cv::WindowFlags::WINDOW_FREERATIO);
	cv::imshow("bilateralFilter", dst);

高斯滤波器

  高斯滤波（高斯平滑）是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。
通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波是最有用的滤波器 (尽管不是最快的)。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。

    cv::GaussianBlur(image, dst, cv::Size(5, 5), 3, 0);
	cv::namedWindow("GaussianBlur", cv::WindowFlags::WINDOW_FREERATIO);
	cv::imshow("GaussianBlur", dst);

对图像滤波操作后，对其进行 == cv::filter2D == 锐化提高对比度操作，效果更好。