双边滤波（Bilateral Filter）原理解析及代码实现

一、双边滤波和高斯滤波

**双边滤波（Bilateral Filter）原理解析及代码实现**_molihong28的博客-CSDN博客

高斯滤波：

空间距离相关的高斯函数

 公式中（xi,yi）为当前点位置，（xc,yc）为中心点的位置，sigma为空间域标准差。

双边滤波:

灰度距离相关的高斯函数相乘,(美颜相机用的就是这个算法)

 二、高斯滤波的的局限

        高斯滤波是一种空间的距离加权，对中心像素的近的位置权比较大，但是远的距离是小的，但是有一种情况，当远的这个距离的像素代的元素是只要的呢，那么这个就是不能体现图像的特征了，所以在高斯滤波的基础上进行下一步操作，加上灰度值的变化。

 上述图像是高斯滤波的。

C++: void bilateralFilter(
InputArray src, // 输入图像，可以是Mat类型，图像必须是8位或浮点型单通道、三通道的图像。
OutputArray dst, // 输出图像，和原图像有相同的尺寸和类型。
int d,//表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数，则函数会从第五个参数
double sigmaColor, //颜色空间过滤器的sigma值，这个参数的值越大，表明该像素邻域内有月宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
double sigmaSpace, //坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace.
 int borderType=BORDER_DEFAULT // 用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT
)

双边滤波器可以很好的保存图像边缘细节而滤除掉低频分量的噪音，但是双边滤波器的效率不是太高，花费的时间相较于其他滤波器而言也比较长。
对于简单的滤波而言，可以将两个sigma值设置成相同的值，如果值<10，则对滤波器影响很小，如果值>150则会对滤波器产生较大的影响，会使图片看起来像卡通。

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
//#include<vector>

using namespace std;
using namespace cv;

//定义全局变量
const int g_ndMaxValue = 100;
const int g_nsigmaColorMaxValue = 200;
const int g_nsigmaSpaceMaxValue = 200;
int g_ndValue;
int g_nsigmaColorValue;
int g_nsigmaSpaceValue;

Mat g_srcImage;
Mat g_dstImage;

//定义回调函数
void on_bilateralFilterTrackbar(int, void*);

int main(int argc, char**argv)
{
	g_srcImage = imread("D:/picture/opencv/images/Lenna.png");

	//判断图像是否加载成功
	if (g_srcImage.empty())
	{
		cout << "could not load image..." << endl;
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", g_srcImage);

	//定义输出图像窗口属性和轨迹条属性
	namedWindow("bilateralFilter", WINDOW_AUTOSIZE);
	g_ndValue = 10;
	g_nsigmaColorValue = 10;
	g_nsigmaSpaceValue = 10;

	char dName[20];
	sprintf(dName, "邻域直径 %d", g_ndMaxValue);

	char sigmaColorName[20];
	sprintf(sigmaColorName, "sigmaColor %d", g_nsigmaColorMaxValue);

	char sigmaSpaceName[20];
	sprintf(sigmaSpaceName, "sigmaSpace %d", g_nsigmaSpaceMaxValue);

	//创建轨迹条
	createTrackbar(dName, "bilateralFilter", &g_ndValue, g_ndMaxValue, on_bilateralFilterTrackbar);
	on_bilateralFilterTrackbar(g_ndValue, 0);

	createTrackbar(sigmaColorName, "bilateralFilter", &g_nsigmaColorValue,
		g_nsigmaColorMaxValue, on_bilateralFilterTrackbar);
	on_bilateralFilterTrackbar(g_nsigmaColorValue, 0);

	createTrackbar(sigmaSpaceName, "bilateralFilter", &g_nsigmaSpaceValue,
		g_nsigmaSpaceMaxValue, on_bilateralFilterTrackbar);
	on_bilateralFilterTrackbar(g_nsigmaSpaceValue, 0);

	waitKey(0);
	//system("pause");
	//getchar();
	//Sleep(10000);
	return 0;
}

void on_bilateralFilterTrackbar(int, void*)
{
	bilateralFilter(g_srcImage, g_dstImage, g_ndValue, g_nsigmaColorValue, g_nsigmaSpaceValue);
	imshow("bilateralFilter", g_dstImage);
}