opencv 图像模糊(平滑）处理

知识点：

• 模糊（）
• 高斯模糊（）
• medianBlur（）
• 双边滤波器（）

理论

• 平滑，也称为模糊，是一种简单且经常使用的图像处理操作。
• 平滑的原因有很多，下面将重点关注平滑以减少噪声。
• 要执行平滑操作，我们将对图像应用滤镜。最常见的滤波器类型是线性的，其中输出像素的值（即G(i ,j )被确定为输入像素值的加权和（即F(i + k ,j + l )): $$G(i,j)=\sum _{k,l}f(i+k,j+l)h(k,l)$$h (k ,l )被称为内核，它只不过是过滤器的系数。
  它有助于将滤波器可视化为在图像上滑动的系数窗口。
• 有很多种过滤器，这里我们会提到最常用的过滤器：

归一化滤波器 (Normalized Box Filter)

• 这个过滤器是最简单的！每个输出像素是其内核邻居的平均值（所有这些像素都具有相同的权重）
• 模型：$$K=\frac{1}{K_{width}\cdot K_{height}}\left[\begin{array}{ccccc}1& 1& 1& ...& 1\\ 1& 1& 1& ...& 1\\ .& .& .& ...& 1\\ .& .& .& ...& 1\\ 1& 1& 1& ...& 1\end{array}\right]$$
• API: blur(Mat src,Mat dst,Size(w,h),Point(-1,-1));
  src : 源图像
  dst : 目标图像
  Size() : 定义要使用的内核的大小（宽度为w像素，高度为h像素）
  Point : 表示锚点（被评估的像素）相对于邻域的位置。如果存在负值，则将内核的中心视为锚点.

高斯滤波器 (Gaussian Filter)

• 可能是最有用的过滤器（尽管不是最快的）。通过将输入数组中的每个点与高斯核进行卷积，然后将它们相加以产生输出数组来完成高斯滤波。
• 2D高斯可以表示为：$$G_0(x,y)={Ae}^{\frac{-(x-u_x{)}^2}{2{\sigma }_x^2}+\frac{-(y-u_y{)}^2}{2{\sigma }_y^2}}$$
• API :GaussianBlur(Mat src,Mat dst,Size(w,h),sigmax,sigmay)
  src：源图像
  dst：目标图像
  Size(w,h) : 要使用的内核的大小（要考虑的邻居）。w ^和H必须是奇数和正数，否则将使用σX和σÿ参数计算大小。
  sigmax : x中的标准差。写0表示使用内核大小计算σx
  sigmay : y的标准差。写0表示使用内核大小计算σy。

双边滤波器 (Bilateral Filter)

• 已经解释了一些主要目标是平滑输入图像的滤镜。但是，有时滤镜不仅可以消除噪音，还可以平滑边缘。为了避免这种情况（至少在某种程度上），我们可以使用双边滤波器。

• 以与高斯滤波器类似的方式，双边滤波器还考虑具有分配给它们中的每一个的权重的相邻像素。这些权重有两个分量，第一个是高斯滤波器使用的相同权重。第二个组件考虑了相邻像素和评估像素之间的强度差异。

• API : bilateralFilter(Mat src,Mat dst,int d,double sigmaColor,double sigmaSpace, int borderType)
  src : 源8位或浮点，1通道或3通道图像。
  dst : 与src具有相同大小和类型的目标映像。
  d : 过滤期间使用的每个像素邻域的直径。如果它是非正数，则从sigmaSpace计算。
  sigmaColor : 过滤颜色空间中的西格玛。参数的值越大意味着像素邻域内的更远的颜色（参见sigmaSpace）将混合在一起，从而产生更大的半等颜色区域。
  sigmaSpace : 在坐标空间中过滤西格玛。较大的参数值意味着只要它们的颜色足够接近，更远的像素就会相互影响（参见sigmaColor）。当d> 0时，无论 sigmaSpace如何，它都指定邻域大小。否则，d与sigmaSpace成比例。
  borderType : 用于外推图像外部像素的边框模式

中位数滤波器 (Median Filter)

• 中值滤波器遍历信号的每个元素（在这种情况下是图像），并用其相邻像素的中值（位于评估像素周围的方形邻域中）替换每个像素。
• 中位数滤波器对
• API : medianBlur(Mat src,Mat dst,int i)
  src : 源图像椒盐噪声有很好的抑制作用
  dst : 目标图像，必须与src的类型相同
  i : 内核的大小（只有一个，因为我们使用方形窗口）。一定是奇怪的。

例子

• 归一化滤波器

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

using namespace cv;


int main(int argc, char** argv) {

    Mat srcImage,dst;

	srcImage = imread("E:/image/6.jpg");

	if (srcImage.empty()) {
		printf("没有找到图片");
		return -1;
	}
	
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", srcImage);
	
	blur(srcImage, dst, Size(7, 7), Point(-1, -1));

	namedWindow("blur_image", WINDOW_AUTOSIZE);
	imshow("blur_image", dst);
	waitKey(0);
	return 0;
}

效果图：

• 高斯滤波器

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

using namespace cv;


int main(int argc, char** argv) {

    Mat srcImage,dst;

	srcImage = imread("E:/image/6.jpg");

	if (srcImage.empty()) {
		printf("没有找到图片");
		return -1;
	}
	
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", srcImage);
	
	GaussianBlur(srcImage, dst, Size(7, 7),11,11);

	namedWindow("GaussianBlur_image", WINDOW_AUTOSIZE);
	imshow("GaussianBlur_image", dst);
	waitKey(0);
	return 0;
}

效果图：

• 中位数滤波器

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

using namespace cv;


int main(int argc, char** argv) {

    Mat srcImage,dst;

	srcImage = imread("E:/image/6.jpg");

	if (srcImage.empty()) {
		printf("没有找到图片");
		return -1;
	}
	
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", srcImage);
	
	medianBlur(srcImage,dst,3);

	namedWindow("medianBlu", WINDOW_AUTOSIZE);
	imshow("medianBlu", dst);
	waitKey(0);
	return 0;
}

效果图：

• 双边滤波器

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

using namespace cv;


int main(int argc, char** argv) {

    Mat srcImage,dst;

	srcImage = imread("E:/image/6.jpg");

	if (srcImage.empty()) {
		printf("没有找到图片");
		return -1;
	}
	
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", srcImage);
	
	bilateralFilter(srcImage,dst,15,150,3);

	namedWindow("bilateralFilter", WINDOW_AUTOSIZE);
	imshow("bilateralFilter", dst);
	waitKey(0);
	return 0;
}

效果图：

• 双边滤波器+filter2D图像增强

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

using namespace cv;


int main(int argc, char** argv) {

    Mat srcImage,dst;

	srcImage = imread("E:/image/6.jpg");

	if (srcImage.empty()) {
		printf("没有找到图片");
		return -1;
	}
	
	namedWindow("input_image", WINDOW_AUTOSIZE);
	imshow("input_image", srcImage);
	
	bilateralFilter(srcImage,dst,15,150,3);

	namedWindow("bilateralFilter", WINDOW_AUTOSIZE);
	imshow("bilateralFilter", dst);

	Mat  result;
	Mat kernal = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(dst, result, -1, kernal,Point(-1,-1),0);
	imshow("bilateralFilter_filter2D_result", result);

	waitKey(0);
	return 0;
}

效果图：