48.图像的均值滤波

目录

        1 概念讲解及用处

        2 函数详解

        3 数学原理及数学推导公式

        4 用C++编写代码进行实现

        1 概念讲解及用处

        均值滤波是一种基本的图像平滑滤波方法，用于减少图像中的噪声和细节。它通过将每个像素周围邻域内的像素取平均值来实现。

        均值滤波的主要用途包括：

        去除高斯噪声、椒盐噪声等图像中的噪声。

        平滑图像，减少图像中的细节，达到降噪的效果。

        2 函数详解

         在OpenCV中，可以使用blur函数进行均值滤波。

void blur(InputArray src, OutputArray dst, Size ksize, Point anchor = Point(-1,-1), int borderType = BORDER_DEFAULT)

src：输入图像。

dst：输出图像。

ksize：滤波核大小，即滤波窗口的尺寸。

anchor：锚点位置，指示滤波核的中心，默认为(-1, -1)表示位于核的中心。

borderType：边界模式，控制如何处理图像边缘。

        3 数学原理及数学推导公式

         均值滤波的数学原理很简单，即将滤波窗口内的所有像素值进行求平均操作。假设输入图像为I，滤波窗口尺寸为ksize，输出图像为O，则均值滤波运算可以表示为：

         计算步骤：任意一点的像素值，都是周围N*N个像素值的均值

        例：（197+25+106+156+159+……+41+75）/25。

        优点：效率高，思路简单

        缺点：计算均值会将图像中的边缘信息以及特征信息“模糊”掉，会丢失很多特征

        4 用C++编写代码进行实现

         下面是一个使用OpenCV进行均值滤波的示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 读取图像
    Mat image = imread("image.jpg", IMREAD_COLOR);
    if (image.empty())
    {
        cout << "Failed to load image." << endl;
        return -1;
    }

    // 进行均值滤波
    Mat blurredImage;
    Size kernelSize(5, 5); // 滤波核大小
    blur(image, blurredImage, kernelSize);

    // 显示结果
    imshow("Original Image", image);
    imshow("Blurred Image", blurredImage);

    waitKey(0);
    return 0;
}

        在这个示例中，首先使用imread函数读取彩色图像。然后，定义了一个5x5的滤波核，用于进行均值滤波。接下来，使用blur函数对图像进行均值滤波操作。最后，使用imshow函数显示原始图像和滤波后的图像。