opencv之非线性滤波

中值滤波：

        用像素点邻域灰度值的中值来替代该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时会保留图像的边缘细节。中值滤波在处理连续图像窗函数时与线性滤波器的工作方式类似，但滤波过程不在是加权运算。

与均值滤波对比：

        优点：均值滤波器中，由于噪声成分被放入平均计算中，所以输出受到了噪声的影响。但在中值滤波器中，由于噪声成分很难选上，所以几乎不会影响到输出。

        缺点：中值滤波花费的时间是均值滤波的5倍以上。

具体步骤：

        例如3*3的函数，计算点 [ i, j ] 为中心的函数窗像素中值。

        第一步：按强度大小排列像素点；

        第二步：选择排序像素集的中间值作为点 [ i, j ] 的新值

void cv::medianBlur	(	InputArray	src,
		OutputArray	dst,
		int	ksize //奇数
	)

案例：

#include<iostream>
#include<opencv2/imgproc.hpp>
#include<opencv2/highgui.hpp>
#include<opencv2/core.hpp>
using namespace std;
using namespace cv;


int main()
{

 //导入图像
 Mat src = imread("C:/Users/Administrator/Desktop/3.png");
 if (!src.data)
 {
  cout << "请检查图像是否存在..." << endl;
  return -1;
 }
 namedWindow("src");
 namedWindow("dst");
 imshow("src", src);
 //中值滤波
 Mat dst;
 medianBlur(src, dst, 7);
 imshow("dst", dst);

 waitKey(0);
 return 0;
}

结果展示：

 

边滤波：

        它是结合图像空间邻近度和像素值相似度的一种折中处理方式，同时考虑了空间域信息和灰度相似性，达到保留边缘去除噪点的目的。

        在双边滤波中输出像素值取决于邻域像素值的加权值组合：

        而加权系数w(i,j,k,l)取决于定义域核和值域核的乘积。

        其中定义域核为：

        值域核为：

 

        二者相乘后，就会得到取决于数据的双边滤波权重函数

void cv::bilateralFilter	(	InputArray	src,
		OutputArray	dst,
		int	d,  //过滤中每个像素邻域的直径，若为非正数，从第五个参数开始计算
		double	sigmaColor,  //值越大，表明该像素邻域内有越宽泛的颜色被混合到一起。
		double	sigmaSpace,//坐标空间的标准方差，值越大，越远的像素会互相影响
		int	borderType = BORDER_DEFAULT
	)

 案例：

#include<iostream>
#include<opencv2/imgproc.hpp>
#include<opencv2/highgui.hpp>
#include<opencv2/core.hpp>
using namespace std;
using namespace cv;


int main()
{

 //导入图像
 Mat src = imread("C:/Users/Administrator/Desktop/3.png");
 if (!src.data)
 {
  cout << "请检查图像是否存在..." << endl;
  return -1;
 }
 namedWindow("src");
 namedWindow("dst");
 imshow("src", src);
 //中值滤波
 Mat dst;
 bilateralFilter(src,dst,50,50*2,50/2);
 imshow("dst", dst);

 waitKey(0);
 return 0;
}

结果展示：