【OpenCV基础】中值滤波、双边滤波、均值滤波、高斯滤波

📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢：文章若有幸对你有帮助，可点赞 👍 收藏 ⭐不迷路🙉
📢：内容若有错误，敬请留言 📝指正！原创文，转载请注明出处

---

滤波介绍

滤波包括线性和非线性滤波。
Smooth/Blur 是图像处理中最简单和常用的操作之一
效果：
在图像预处理之前减低噪声，优化预处理前的图像。

通常这些卷积算子计算都是线性操作，所以又叫线性滤波
滤波操作的原理是卷积运算

一、中值滤波

作用：中值滤波对椒盐噪声有很好的抑制作用。

所谓椒盐噪声就是过亮和过暗的点，其像素值比周围的都要大或小，因此通过取中间值替换最值，进而能抹去椒盐噪声。

1.1 API-medianBlur

medianBlur中值模糊的函数原型，其参数如下：

void medianBlur(
InputArray src,
OutputArray dst,
int ksize );

参数含义如下：

（1）InputArray类型的src，输入图像。输入1、3或4通道图像；当ksize为3或5时，图像深度应为CV_8U、CV_16U或CV_32F，对于较大孔径，它只能是CV_8U。

（2）OutputArray类型的dst，即目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的ksize，光圈线性大小；它必须是奇数且大于1，例如：3、5、7 …。

1.2 全部代码

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

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/sp_noise.png");
	if (src.empty())
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("src", src);

	//中值滤波
	medianBlur(src, dst, 7);
	imshow("medianBlur_src", dst);

	waitKey(0);
	return 0;
}

1.3效果展示

以下分别显示原图和3、5、7的卷积尺寸进行中值滤波操作后的图像。

1.4结论

显然，中值滤波很好地去除椒盐噪声，且卷积核越大，越模糊。

二、双边滤波

2.1 API-bilateralFilter

双边模糊的函数原型如下：

void bilateralFilter(
InputArray src,
OutputArray dst,
int d,
double sigmaColor,
double sigmaSpace,
int borderType = BORDER_DEFAULT );

（1）InputArray类型的src，输入图像。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U,> CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

（2）OutputArray类型的dst，即目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的d，滤波过程中使用的每个像素邻域的直径。如果是非正的，则从sigmaSpace计算。

（4）double类型的sigmaColor ，颜色空间中过滤器sigma。参数值越大，意味着像素邻域（参见sigmaSpace）中的更多颜色将混合在一起，从而产生更大的半等色区域。

（5）double类型的sigmaSpace，在坐标空间中过滤器sigma。参数值越大，意味着更远的像素将相互影响，只要它们的颜色足够接近（参见sigmaColor）。当d大于0时，它指定邻域大小，而不考虑sigmaSpace。否则，d与sigmaSpace成比例。

（6）int类型的borderType，用于在图像外部外推像素的边框模式，具体请参见cv::BorderTypes。

2.2全部代码

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

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/lena.png");
	if (!src.data)
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("src", src);

	//双边滤波
	bilateralFilter(src, dst, 15, 150, 3);
	imshow("bilateralFilter_src", dst);

	waitKey(0);
	return 0;
}

2.3效果展示

三、均值滤波

3.1数学原理：

卷积核所有的系数都是1。

3.2 API-blur

函数原型的参数如下：

blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1));

例如：blur(src, dst, Size(3, 3), Point(-1, -1));

参数含义如下：

（1）src即输入图像。

（2）dst即目标图像，与输入图像有相同的尺寸和类型。

（3）Size（3,3）就表示3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。

（4）Point(-1, -1)表示锚点（即被平滑的那个点），默认值Point(-1,-1)，表示锚点即卷积核的中心。

3.3 全部代码

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

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/lena.png");
	if (src.empty())
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("原图", src);

	//均值滤波
	blur(src, dst, Size(3, 3));//Size(3, 3)指的是默认元素全是1的3X3矩阵，Point(-1, -1)可以不写，默认就是.
	imshow("均值滤波后", dst);

	waitKey(0);
	return 0;
}
}

3.4效果展示

四、高斯滤波

高斯是一个正态分布的曲线
特点是会保留原有图像中像素的

4.1 数学原理

A：归一化系数

4.2 API-GaussianBlur

GaussianBlur是高斯模糊的函数原型中，其参数如下：

GaussianBlur(Mat src, Mat dst, KSize( ), sigmax, sigmay);

例如：GaussianBlur(src, dst, Size(3, 3), 0, 0);
参数含义如下：

（1）src即输入图像。

（2）dst即目标图像，与输入图像有相同的尺寸和类型。

（3）Size（3,3）就表示窗口（卷积核）3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度，
h为像素高度)。 Size（x, y）, 其中x, y 必须是正数而且是奇数

（4）0，表示高斯核函数在X方向的的标准偏差为0。

（5）0，表示高斯核函数在Y方向的的标准偏差为0。

4.3 全部代码

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

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("D:/images/gaoyy.png");
	if (src.empty())
	{
		cout << "could not load image !";
		return -1;
	}
	imshow("src", src);

	//高斯滤波
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	imshow("高斯滤波后", dst);

	waitKey(0);
	return 0;
}

4.4效果展示