【OpenCV】-5种图像滤波的综合示例

序言： 这一篇文章是对之前学习线性滤波和非线性滤波的回顾。之前都是分章节介绍滤波器对图片的处理，这一小节将前文介绍的知识点以代码为载体，展现给大家，用滑动条的方式来控制学习到的各种滤波（方框滤波、均值滤波、高斯滤波、中值滤波、双边滤波）的参数值。通过滚动条来控制图像在各种平滑处理下的模糊度，不仅可以与原图对比看出效果，而且也有一定的可玩性，哈哈。

---

话不多说，上代码

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//---------------------------------
//全局变量声明
//-------------------------------
Mat g_srcIamge, g_dstImage1, g_dstImage2, g_dstImage3,g_dstImage4, g_dstImage5;//存储图片的Mat类型
int g_nBoxFilterValue = 3;//方框滤波参数值
int g_nMeanBlurValue = 3;//均值滤波参数值
int g_nGaussianBlurValue = 3;//高斯滤波参数值
int g_nMedianBlurValue = 10;//中值滤波参数值
int g_nBilateralFilterValue = 10;//双边滤波参数值
//---------------------------------
//全局函数声明
//-------------------------------
static void on_BoxFilter(int, void *);//方框滤波
static void on_MeanBlur(int, void *);//均值滤波
static void on_GaussianBlur(int, void *);//高斯滤波
static void on_MedianBlur(int, void *);//中值滤波器
static void on_BilateralFilter(int, void *);//双边滤波器
int main()
{
	//改变console字体颜色
	system("color 5E");
	//载入原图
	g_srcIamge = imread("E:\\Pec\\shihao.jpg", 1);
	if (!g_srcIamge.data)
	{
		printf("读取图片错误\n");
		return false;
	}
	//复制原图到三个Mat类型中
	g_dstImage1 = g_srcIamge.clone();
	g_dstImage2 = g_srcIamge.clone();
	g_dstImage3 = g_srcIamge.clone();
	g_dstImage4 = g_srcIamge.clone();
	g_dstImage5 = g_srcIamge.clone();
	//显示原图
	namedWindow("【<0>原图窗口】", 1);
	imshow("【<0>原图窗口】", g_srcIamge);

	//=========1、方框滤波===========
	//创建窗口
	namedWindow("【<1>方框滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<1>方框滤波】", &g_nBoxFilterValue, 40, on_BoxFilter);
	on_MeanBlur(g_nBoxFilterValue, 0);


	//======2、均值滤波===========
	namedWindow("【<2>均值滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<2>均值滤波】", &g_nMeanBlurValue, 40, on_BoxFilter);
	on_MeanBlur(g_nMeanBlurValue, 0);


	//=====3、高斯滤波===============
	namedWindow("【<3>高斯滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<3>高斯滤波】", &g_nGaussianBlurValue, 40, on_BoxFilter);
	on_GaussianBlur(g_nGaussianBlurValue, 0);

	//=====4、中值滤波===============
	namedWindow("【<4>中值滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<4>中值滤波】", &g_nMedianBlurValue, 50, on_MeanBlur);
	on_MedianBlur(g_nMedianBlurValue, 0);

	
	//=====5、双边滤波===============
	namedWindow("【<5>双边滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<5>双边滤波】", &g_nBilateralFilterValue, 50, on_BilateralFilter);
	on_BilateralFilter(g_nBilateralFilterValue, 0);

	//输出一些帮助信息
	cout << endl << "请调整滚动条观察图像效果~\n\n" << "\t按下“q”键时，程序退出~\n";
	//在waitKey(1)之后输入一个值
	while (char(waitKey(1)) != 'q') {}
	return 0;
}
//----------------------
//方框滤波操作的回调函数
//---------------------------
static void on_BoxFilter(int, void *)//方框滤波
{
	boxFilter(g_srcIamge, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1));
	imshow("【<1>方框滤波】", g_dstImage1);
}
static void on_MeanBlur(int, void *)//均值滤波
{
	blur(g_srcIamge, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
	imshow("【<2>均值滤波】", g_dstImage2);
}
static void on_GaussianBlur(int, void *)//高斯滤波
{
	GaussianBlur(g_srcIamge, g_dstImage3,
		Size(g_nGaussianBlurValue * 2 + 1, g_nGaussianBlurValue * 2 + 1), 0, 0);
	imshow("【<3>高斯滤波】", g_dstImage3);
}
static void on_MedianBlur(int, void *)//中值滤波器
{
	medianBlur(g_srcIamge, g_dstImage4, g_nMedianBlurValue * 2 + 1);
	imshow("【<4>中值滤波】", g_dstImage4);
}
static void on_BilateralFilter(int, void *)//双边滤波器
{
	bilateralFilter(g_srcIamge, g_dstImage5, g_nBilateralFilterValue, g_nBilateralFilterValue * 2, 
	g_nBilateralFilterValue / 2);
	imshow("【<5>双边滤波】", g_dstImage5);
}

(1)原图与方框滤波对比

(2)原图与均值滤波对比

(3)原图与高斯滤波对比

(4)原图与中值滤波对比

(5)原图与双边滤波对比

综上：观察发现：方框滤波和均值滤波效果相似，中值滤波对原图颠覆较大，双边滤波几乎和原图没有差别。