Opencv中的3种线性滤波器

图像滤波：指在尽量保留图像特征的情况下，对图像的噪声进行抑制，对后续处理的有效性和可靠性有直接影响。

图像的平滑处理（Smoothing）和模糊处理（bluring）是去掉高频噪声的处理，和低通图像滤波是一个意思。

线性滤波：

1.方框滤波——boxblur 

非归一化的方框滤波用于计算邻域内的积分特性；

归一化后的特殊情况是均值滤波，也就是normalize=true时的情况。

在OpenCV中使用：

2.均值滤波——blur

概念：均值滤波是用模板（核）的全体像素的平均值，代替原来的像素。

缺点：去噪的同时，使图像变得模糊。

在OpenCV中使用：内部代码实质是调用了boxblur改了参数，变成了归一化的情况。

3.高斯滤波——GaussianBlur

概念：图像与高斯分布卷积的结果。

在OpenCV中使用：

以上这些blur的滤波函数都是FilterEngine作为内核的，而cv:;filter2D(),cv:;erode(),cv::dilte()它们不依赖于FilterEngine

用进度条，调节size大小的程序：

#include
   
   
    
    
#include 
    
    
     
     
#include 
     
     
      
      
#include 
      
      
       
       
#include 
       
       
         #include 
        
          #include "vector" using namespace cv; using namespace std; static void on_callbackSlide(int,void *); int contrastvalue=1; Mat src; Mat dst; int main () { src=imread("lou.jpg",0); dst=Mat::zeros(src.size(),src.type()); namedWindow ("娄",1); //on_callbackSlide(contrastvalue); createTrackbar("Size大小","娄",&contrastvalue,20,on_callbackSlide); waitKey(0); } static void on_callbackSlide(int,void *) { blur(src,dst,Size(contrastvalue*2+1,contrastvalue*2+1)); imshow("娄",dst); } //千万不要把creatTrackBar 写为 CvcreatTrackBar