OpenCV——图像滤波

滤波分类

首先我们应该了解一下什么是平滑。平滑 也称 模糊, 是一项简单且使用频率很高的图像处理方法。平滑的一种作用就是用来减弱噪声。OpenCV中提供了两类常见的滤波器用来对图像进行平滑处理。

1. 线性滤波：对邻域中的像素的计算为线性运算时，如利用窗口函数进行平滑加权求和的运算，或者某种卷积运算，都可以称为线性滤波。包括方框滤波（boxFilter）、均值滤波（blur）、高斯滤波（GaussianBlur）。
2. 非线性滤波：非线性滤波利用原始图像跟模版之间的一种逻辑关系得到结果。包括中值滤波（medianBlur）和双边滤波（bilateralFilter）。

方框滤波

方框滤波是一种非常有用的线性滤波，也叫盒子滤波，均值滤波就是盒子滤波归一化的特殊情况。 应用： 可以说，一切需要求某个邻域内像素之和的场合，都有方框滤波的用武之地，比如：均值滤波、引导滤波、计算Haar特征等等。
函数原型：

void boxFilter(InputArray src,OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT )

代码实现：

using namespace cv;
using namespace std;

int main() {
	
	//导入图片
	Mat srcImage = imread("D:/image/111.jpg"); 
	if (!srcImage.data) {
		printf("导入srcImage错误");
		return 0;
	}

	//创建输出图像
	Mat blurImage;			
	//调用blur函数
	blur(srcImage, blurImage, Size(3, 3), Point(-1, -1));

	namedWindow("blur");
	imshow("blur", blurImage);
	imwrite("D:/image/1112.jpg", blurImage);
	waitKey(0);

	return 0;
}

高斯滤波

高斯滤波是一种线性平滑滤波器，对于服从正态分布的噪声有很好的抑制作用。在实际场景中，我们通常会假定图像包含的噪声为高斯白噪声，所以在许多实际应用的预处理部分，都会采用高斯滤波抑制噪声，如传统车牌识别等。

高斯滤波和均值滤波一样，都是利用一个掩膜和图像进行卷积求解。不同之处在于：均值滤波器的模板系数都是相同的为1，而高斯滤波器的模板系数，则随着距离模板中心的增大而系数减小（服从二维高斯分布）。所以，高斯滤波器相比于均值滤波器对图像个模糊程度较小，更能够保持图像的整体细节。
函数原型：

void GaussianBlur(InputArray src,OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT )

代码实现：

using namespace cv;
using namespace std;

int main() {
	
	//导入图片
	Mat srcImage = imread("D:/image/111.jpg"); 
	if (!srcImage.data) {
		printf("导入错误");
		return 0;
	}

	//创建输出图像
	Mat gussianblurImage;			
	//调用blur函数
	GaussianBlur(srcImage, gussianblurImage, Size(3, 3),0,0);

	namedWindow("gussianblur");
	imshow("gussianblur", gussianblurImage);
	imwrite("D:/image/1113.jpg", gussianblurImage);
	waitKey(0);

	return 0;
}