1、滤波属性
图像均值滤波属于线性滤波。
2、均值滤波定义
设置一个nxm(n、m均为奇数)的滤波核,用该滤波核遍历图像中的每一个像素点(当遍历到哪个点时该点成为当前点),用核区域内像素平均灰度值代替当前点的灰度值,直至遍历完图像中所有像素点。
3、数学模型
上式中(x,y)为当前坐标点,f(i,j)滤波前图像在(i,j)位置处的灰度值,g(x,y)为滤波后图像中(x,y)处的灰度值。n、m为滤波核的大小。
4、C++实现
#include<iostream>
#include<opencv2/opencv.hpp>
/*
@cv::Mat src 输入图像
@cv::Mat& dst 输出滤波后图像
@cv::Size sizeK 滤波核大小
*/
bool averageFilter(cv::Mat src,cv::Mat& dst,cv::Size sizeK)
{
if (src.empty())
return false;
dst = cv::Mat(src.size(),CV_8UC1,cv::Scalar(0));
cv::Mat bordImage;
copyMakeBorder(src, bordImage, int(sizeK.height/2), int(sizeK.height / 2), int(sizeK.width / 2), int(sizeK.width / 2), cv::BORDER_REPLICATE);
for (int i = sizeK.height / 2; i < bordImage.rows- sizeK.height / 2; i++)
{
for (int j = sizeK.width / 2; j < bordImage.cols- sizeK.width / 2; j++)
{
int sumpixel = 0;
for (int x = i - sizeK.height / 2; x < i + sizeK.height / 2 + 1; x++)
{
for (int y = j - sizeK.width / 2; y < j + sizeK.width / 2 + 1; y++)
{
sumpixel += bordImage.at<uchar>(x,y);
}
}
dst.at<uchar>(i - sizeK.height / 2, j - sizeK.width / 2)= sumpixel/(sizeK.height*sizeK.width);
}
}
return true;
}
void main()
{
cv::Mat src = cv::imread("testImage2.jpg",0);
cv::Mat dst;
cv::Size sizeK = cv::Size(13, 13);
bool sign = averageFilter(src, dst, sizeK);
cv::waitKey(0);
}
5、效果
(1) 去除图像噪声点
从输入图像看以看到,图像中存在着大量的噪声点,经过滤波后,图像中的噪声点明显消失。从滤波前与滤波后效果来看,均值滤波能够去除掉大部分噪声,滤波效果较好。
(2)细节的模糊
从滤波前后的图像中可以看出,细节被模糊掉了,因此,均值滤波在使用时应考虑是否需要保留细节信息。