OpenCV----cv2.bilateralFilter函数(双边滤波)，便于自己查找

OpenCV----cv2.bilateralFilter函数(双边滤波)

1. 简介使用上手

dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])

函数作用：去除噪声的同时保存边缘信息！！！

• src：源 8 位或浮点、1 通道或 3 通道图像。
• dst：与 src 大小和类型相同的目标图像。
• d：过滤期间使用的每个像素邻域的直径。 如果它是非正数，则从sigmaSpace 计算。
• sigmaColor：在颜色空间中过滤 sigma。 较大的参数值意味着像素邻域内更远的颜色（参见 sigmaSpace）将混合在一起，从而产生更大的半等色区域。
• sigmaSpace：在坐标空间中过滤 sigma。 较大的参数值意味着更远的像素将相互影响，只要它们的颜色足够接近（参见 sigmaColor ）。 当 d>0 时，它指定邻域大小，而不考虑 sigmaSpace。 否则，d 与 sigmaSpace 成正比。
  borderType：用于推断图像外部像素的边框模式

Sigma 值：为简单起见，您可以将 2 个 sigma 值设置为相同。 如果它们很小（< 10），则滤镜不会有太大的效果，而如果它们很大（> 150），它们会产生非常强烈的效果，使图像看起来“卡通”。

过滤器大小(d）：大过滤器（d > 5）非常慢，因此建议在实时应用中使用 d=5，对于需要大量噪声过滤的离线应用，建议使用 d=9。

2. 详细介绍理解

cv2.bilateralFilter() 是 OpenCV 中的一个函数，用于应用双边滤波算法对图像进行平滑处理。双边滤波是一种非线性滤波方法，可以在保持边缘清晰的同时降低图像噪声。

• 双边滤波是一种基于像素值空间和空间距离的非线性滤波方法，它可以在保留图像边缘信息的同时平滑图像中的噪声。与其他线性滤波方法（如高斯滤波）不同，双边滤波不会模糊边缘或细节。
• 在双边滤波中，像素值空间指的是相邻像素之间的像素值相似度。与此同时，在空间距离上，考虑到像素之间的相对位置对滤波结果的影响，因此也需要进行加权处理。
• 具体来说，在双边滤波中，每个像素的新值是根据其相邻像素的距离和相似度的加权平均值计算得到的。其中，相似度由 sigmaColor 控制，空间距离则由 sigmaSpace 控制。这两个参数都可以根据实际情况进行调整，以达到最佳的滤波效果。
• 总的来说，双边滤波是一种可靠的图像平滑方法，适用于许多应用场景，包括图像去噪、增强边缘、图像分割等。但需要注意的是，由于双边滤波需要计算像素之间的距离和相似度，因此在处理大尺寸图像时可能会比较慢。

接下来是一个简单的代码示例，演示了如何使用 cv2.bilateralFilter() 对图像进行双边滤波处理：

import cv2

# 加载图像
image = cv2.imread('input.jpg')

# 应用双边滤波
filtered_image = cv2.bilateralFilter(image, 9, 75, 75)

# 显示原始图像和滤波后的图像
cv2.imshow("Original", image)
cv2.imshow("Filtered", filtered_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，首先使用 cv2.imread() 加载一张图像。然后，调用 cv2.bilateralFilter() 函数，将输入图像作为参数传入，并指定其他参数。最后，通过 cv2.imshow() 显示原始图像和滤波后的图像。

需要注意的是，双边滤波是一种计算密集型算法，处理大尺寸图像时可能会比较慢。此外，根据不同的应用场景，需要根据实际情况调整 sigmaColor 和 sigmaSpace 的值，以获得最佳的滤波效果。