Opencv学习之去噪方法（一）

常用的图像去噪方法有均值滤波、中值滤波和双边滤波等。下面先介绍均值滤波的原理和实现。

原理介绍：

均值滤波是一种线性滤波，其核心思想是-领域平均法，均值滤波是用图像上一点的领域范围内所有像素的均值代替该点的值，经过均值计算后就可以达到去除突变噪声干扰的效果。而均值滤波的缺点是会造成图像模糊。

实现方法：

在Opencv中，已经为我们提供了均值滤波函数，可直接调用。其函数原型如下：

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

第一个参数：InputArray src,为输入图像，类型可以是Mat类，深度为CV_8U、CV_16U、CV_16S、CV_32F和CV_64F中的一个；

第二个参数：OutputArray dst,为输出图像，类型与深度和输入图像一致；

第三个参数：Size ksize,为滤波模板的尺寸，可以用Size(width,height)指定；

第四个参数，表示待处理的像素位于模板的什么位置，常用默认设置（-1，-1），即模板的中心；

第五个参数，暂且使用默认值。

具体用法见以下示例：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <stdio.h>

using namespace std;
using namespace cv;

//定义全局变量
Mat g_srcImage;         //定义输入图像
Mat g_dstImage;         //定义目标图像

const int g_nTrackbarMaxValue = 9;      //定义轨迹条最大值
int g_nTrackbarValue;                   //定义轨迹条初始值
int g_nKernelValue;                     //定义kernel尺寸（均值滤波时使用的模板）

void on_kernelTrackbar(int, void*);     //回调函数的声明

int main()
{
	g_srcImage = imread("D:\\Tencent\\test.jpg");

	/****************判断图像是否加载成功******************/
	if (g_srcImage.empty())
	{
		cout << "图像加载失败!" << endl;
		return -1;
	}
	else
		cout << "图像加载成功!" << endl << endl;


	namedWindow("原图像", WINDOW_AUTOSIZE);    
	imshow("原图像", g_srcImage);

	
	char kernelName[20];//定义数组kernelName[20]用来存放轨迹条的名称
	sprintf_s(kernelName, "kernel尺寸 %d", g_nTrackbarMaxValue);//sprintf_s()是C++中的一个输出函数，功能是将数据格式化输出到字符串中
	namedWindow("均值滤波", WINDOW_AUTOSIZE);//轨迹条依附窗口存在，所以创建窗口一定要在创建轨迹条之前
	//创建轨迹条
	createTrackbar(kernelName, "均值滤波", &g_nTrackbarValue, g_nTrackbarMaxValue, on_kernelTrackbar);//opencv中的一个函数，功能是创建轨迹条
	on_kernelTrackbar(g_nTrackbarValue, 0);

	waitKey(0);

	return 0;
}

void on_kernelTrackbar(int, void*)//回调函数，简单理解为创建轨迹条后必须再建一个回调函数，格式固定：void XXXXX(int,void*){...}
{
	//根据输入值重新计算kernel尺寸
	g_nKernelValue = g_nTrackbarValue * 2 + 1;
	
	//均值滤波函数
	blur(g_srcImage, g_dstImage, Size(g_nKernelValue, g_nKernelValue));

	
	imshow("均值滤波", g_dstImage);
}

（注：以上程序代码为学习他人博客，并非原创）

运行结果如下：