c++ openvc4.5.5 学习笔记（五）图像平滑滤波几种基本方法(平均滤波blur、高斯平滑滤波GaussianBlur、中值滤波medianBlur、双边滤波bilateralFilter )

平滑，也称为模糊，是一种简单而经常使用的图像处理操作。
要执行平滑操作，我们将对我们的图像应用过滤器。最常见的滤波器类型是线性的，其中输出像素的值(i.e. g(i,j))，被确定为输入像素值的加权和 (i.e. f(i+k,j+l)) :

被称为内核，它只不过是滤波器的系数。h(k,l)

它有助于将过滤器可视化为跨越图像滑动的系数窗口。

平均滤波

• 这个过滤器是最简单的！每个输出像素是其内核邻居的均值（均为相等权重）
  

//平均滤波
void photoBlur(const cv::Mat src, cv::Mat &dst)
{
	/**
	  * blur		平均滤波器
	  * src			原始图
	  * dst			目标图
	  * ksize		滤波器大小，如(5,5)
	  * anchor		内核的锚点，指示内核中过滤点的相对位置;锚应位于内核中;默认值（ -1， -1），表示锚位于内核中心。
	  * borderType  卷积填充方式，包括BORDER_CONSTANT：使用常量值（即黑色或0）来填充图像, BORDER_REPLICATE：原始边缘的行或列被复制到额外的边框,BORDER_REFLECT 等)
	  **/
	CV_EXPORTS_W void blur( InputArray src, OutputArray dst,
                        Size ksize, Point anchor = Point(-1,-1),
                        int borderType = BORDER_DEFAULT );
	cv::blur(src, dst, cv::Size(3, 3));
}

高斯平滑滤波

• 可能是最有用的过滤器（虽然不是最快的）。高斯滤波是通过将输入数组中的每个点与高斯核进行卷积来完成的，然后将它们相加以产生输出数组。
• 只是为了使图片更清晰，记住一维高斯内核的样子

假设图像为1D，您可以注意到位于中间的像素将具有最大的权重。其邻居的权重随着它们与中心像素之间的空间距离的增加而减小。
 注意
  请记住，2D高斯可以表示为：

其中是平均值（峰值），\ sigma表示方差（每个变量x和y）μσXÿ

//高斯平滑滤波
void photoGaussianBlur(const cv::Mat src, cv::Mat& dst)
{
	/**
	  * GaussianBlur	高斯平滑滤波器
	  * src				原始图
	  * dst				目标图
	  * ksize			滤波器大小，如(5,5)
	  * sigmaX：X方向上的高斯核标准偏差；
	  * sigmaY：Y方向上的高斯核标准偏差，如果sigmaY为0，则将其设置为与sigmaX相同的值，如果sigmaX和sigmaY都是0，则分别跟据ksize.width和ksize.height计算而来；
	  * borderType		卷积填充方式，包括BORDER_CONSTANT, BORDER_REPLICATE,BORDER_REFLECT 等)
	  **/
	CV_EXPORTS_W void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType = BORDER_DEFAULT );
	cv::GaussianBlur(src, dst, cv::Size(3, 3), 0);
}

中值滤波

中值滤波器遍历信号的每个元素（在这种情况下为图像），并用其相邻像素的中位数（位于估计像素周围的正方形邻域）中替换每个像素。

//中值滤波
void photoMedianBlur(const cv::Mat src, cv::Mat& dst)
{
	/**
	  * medianBlur      中值滤波器
	  * src				原始图
	  * dst				目标图
	  * ksize			内核的大小（只有一个，因为我们使用一个方形窗口）
	  **/
	CV_EXPORTS_W void medianBlur( InputArray src, OutputArray dst, int ksize );
	cv::medianBlur(src, dst, 3);
}

双边滤波

• 到目前为止，我们已经解释了一些过滤器，其主要目标是平滑输入图像。然而，有时过滤器不仅可以消除噪音，还可以使边缘平滑。为了避免这种情况（至少在一定程度上），我们可以使用双边筛选器。
• 以与高斯滤波器类似的方式，双边滤波器也考虑相邻像素，其权重分配给它们。这些权重具有两个分量，其中第一个是高斯滤波器使用的相同加权。第二个组件考虑了相邻像素与被评估的像素之间的强度差异。
  

//双边滤波
void photoBilateralFilter(const cv::Mat src, cv::Mat& dst)
{
	/**
	  * bilateralFilter 双边滤波器
	  * src				原始图
	  * dst				目标图
	  * d			    过滤期间使用的各像素邻域的直径
	  * sigmaColor		色彩空间的 到一起，从而造成更大范围的半相等颜色 sigma参数，该参数较大时，各像素邻域内相距较远的颜色会被混合
	  * sigmaSpace      坐标空间的sigma参数，该参数较大时，只要颜色相近，越远的像素会相互影响
	  * borderType		卷积填充方式，包括BORDER_CONSTANT, BORDER_REPLICATE,BORDER_REFLECT 等)
	  **/
	CV_EXPORTS_W void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType = BORDER_DEFAULT );
	cv::bilateralFilter(src, dst, 5, 150, 150);
}

完整代码

/**
  * 几种滤波Demo
  * 平均滤波、高斯平滑滤波、中值滤波、双边滤波
  * 1、平滑滤波包括平均滤波、高斯滤波、中值滤波等方法,其中高斯滤波最为常用
  * 2、平滑滤波具有去除噪声效果，不同滤波方法具有对不同噪声的适应性
  * 3、中值滤波对椒盐噪声有效
  **/

#include <opencv.hpp>
#include <iostream>


//平均滤波
void photoBlur(const cv::Mat src, cv::Mat &dst)
{
	/**
	  * blur		平均滤波器
	  * src			原始图
	  * dst			目标图
	  * ksize		滤波器大小，如(5,5)
	  * anchor		内核的锚点，指示内核中过滤点的相对位置;锚应位于内核中;默认值（ -1， -1），表示锚位于内核中心。
	  * borderType  卷积填充方式，包括BORDER_CONSTANT, BORDER_REPLICATE,BORDER_REFLECT 等)
	  **/
	cv::blur(src, dst, cv::Size(3, 3));
}

//高斯平滑滤波
void photoGaussianBlur(const cv::Mat src, cv::Mat& dst)
{
	/**
	  * GaussianBlur	高斯平滑滤波器
	  * src				原始图
	  * dst				目标图
	  * ksize			滤波器大小，如(5,5)
	  * sigmaX：X方向上的高斯核标准偏差；
	  * sigmaY：Y方向上的高斯核标准偏差，如果sigmaY为0，则将其设置为与sigmaX相同的值，如果sigmaX和sigmaY都是0，则分别跟据ksize.width和ksize.height计算而来；
	  * borderType		卷积填充方式，包括BORDER_CONSTANT, BORDER_REPLICATE,BORDER_REFLECT 等)
	  **/
	cv::GaussianBlur(src, dst, cv::Size(3, 3), 0);
}

//中值滤波
void photoMedianBlur(const cv::Mat src, cv::Mat& dst)
{
	/**
	  * GaussianBlur	中值滤波器
	  * src				原始图
	  * dst				目标图
	  * ksize			内核的大小（只有一个，因为我们使用一个方形窗口）
	  **/
	cv::medianBlur(src, dst, 3);
}

//双边滤波
void photoBilateralFilter(const cv::Mat src, cv::Mat& dst)
{
	/**
	  * bilateralFilter 双边滤波器
	  * src				原始图
	  * dst				目标图
	  * d			    过滤期间使用的各像素邻域的直径
	  * sigmaColor		色彩空间的 到一起，从而造成更大范围的半相等颜色 sigma参数，该参数较大时，各像素邻域内相距较远的颜色会被混合
	  * sigmaSpace      坐标空间的sigma参数，该参数较大时，只要颜色相近，越远的像素会相互影响
	  * borderType		卷积填充方式，包括BORDER_CONSTANT, BORDER_REPLICATE,BORDER_REFLECT 等)
	  **/
	cv::bilateralFilter(src, dst, 5, 150, 150);
}

int main()
{
	// 读取图片
	std::string imagename = "Standard_image/lena.jpg";
	cv::Mat img = cv::imread(imagename);
	// 判断载入图片是否成功
	if (img.empty())
	{
		std::cout << "miss the image file : " + imagename << std::endl;
		return -1;
	}

	cv::Mat BlurImg, GaussianBlurImg, MedianBlurImg, BilateralFilterImg;

	photoBlur(img, BlurImg);
	photoGaussianBlur(img, GaussianBlurImg);
	photoMedianBlur(img, MedianBlurImg);
	photoBilateralFilter(img, BilateralFilterImg);

	cv::imshow("原图", img);
	cv::imshow("平均滤波", BlurImg);
	cv::imshow("高斯滤波", GaussianBlurImg);
	cv::imshow("中值滤波", MedianBlurImg);
	cv::imshow("双边滤波", BilateralFilterImg);

	cv::waitKey();

	return 0;
}

实验结果

原图

平均滤波

高斯滤波

中值滤波

双边滤波