Qt+OpenCV实现图像滤波器

均值滤波、高斯滤波和中值滤波是图像处理中常用的三种滤波方法。它们用于平滑图像、去除噪声，但各自有不同的实现方式和效果。

均值滤波

均值滤波是一种简单的平滑滤波器，它通过对图像的每个像素及其周围像素取平均值来减少噪声。

实现原理

1. 选择一个核（通常为奇数大小，如3x3, 5x5）。
2. 将核中心放在当前像素位置。
3. 核覆盖区域的像素值求平均值，结果作为当前像素的新值。

优点

• 实现简单，计算量小。

缺点

• 会模糊图像细节，不能很好地保留边缘。

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

参数解释

• src：输入图像，必须是 cv::Mat 类型。
• dst：输出图像，与输入图像大小和类型相同。
• ksize：核的大小，Size 类型，决定了邻域的大小，例如 Size(3, 3)。
• anchor：（可选）表示核的锚点，默认值为 Point(-1, -1) 表示核的中心。
• borderType：（可选）边界模式，用于指定如何处理边界像素。默认值为 BORDER_DEFAULT。

示例代码：

cv::Mat mypic = cv::imread("C:/Users/15066/Documents/OpenCVTest01/img/pic01.jpg");

    if (mypic.empty()) {
        qDebug() << "Failed to load image!";
        return;
    }
    int ksize1=ui->spinBox_2->value();
    int ksize2=ui->spinBox_3->value();


    // 均值滤波器实现
    cv::Mat filteredImage;
    cv::blur(mypic, filteredImage, cv::Size(ksize1, ksize2));

    // 将 BGR 图像转换为 RGB 图像
    cv::cvtColor(filteredImage, filteredImage, cv::COLOR_BGR2RGB);
    
    // 将 OpenCV 图像转换为 QImage
    QImage img = QImage((const unsigned char*)(filteredImage.data),
                        filteredImage.cols, filteredImage.rows,
                        filteredImage.step, QImage::Format_RGB888);

    // 固定大小
    QSize fixedSize(400, 300); // 例如，400x300 的固定大小

    // 按比例缩放图片
    QImage scaledImg = img.scaled(fixedSize, Qt::KeepAspectRatio);

    // 在图片上添加文字
    ui->label_4->setText("均值滤波");
    // 设置 QLabel 的大小为最终图片的大小
    ui->modifypic->setFixedSize(scaledImg.size());

    // 显示图片
    ui->modifypic->setPixmap(QPixmap::fromImage(scaledImg));

运行结果：

高斯滤波

高斯滤波是通过高斯函数加权的方式来平滑图像。相比均值滤波，它能更好地保留图像细节。

实现原理

1. 选择一个高斯核（通常为奇数大小，如3x3, 5x5）。
2. 核的权重由高斯函数确定，权重随距离中心的距离增加而减小。
3. 核覆盖区域的像素值按权重加权求和，结果作为当前像素的新值。

优点

• 保留更多图像细节，相对于均值滤波更有效地去除噪声。
• 平滑效果更自然。

缺点

• 计算量相对较大。

void cv::GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT);

参数解释

• src：输入图像，必须是 cv::Mat 类型。
• dst：输出图像，与输入图像大小和类型相同。
• ksize：高斯核的大小，Size 类型，必须为奇数和正数（例如 Size(3, 3)）。
• sigmaX：X 方向上的标准差。
• sigmaY：（可选）Y 方向上的标准差，如果为 0，则取与 sigmaX 相同的值。
• borderType：（可选）边界模式，用于指定如何处理边界像素。默认值为 BORDER_DEFAULT。

示例代码：

    cv::Mat mypic = cv::imread("C:/Users/15066/Documents/OpenCVTest01/img/pic01.jpg");

    
    int ksize1=ui->spinBox_4->value();
    int ksize2=ui->spinBox_5->value();


    // 高斯滤波器实现
    cv::Mat filteredImage;


    cv::GaussianBlur(mypic, filteredImage, cv::Size(ksize1, ksize2), 0);

    // 将 BGR 图像转换为 RGB 图像
    cv::cvtColor(filteredImage, filteredImage, cv::COLOR_BGR2RGB);

    // 将 OpenCV 图像转换为 QImage
    QImage img = QImage((const unsigned char*)(filteredImage.data),
                        filteredImage.cols, filteredImage.rows,
                        filteredImage.step, QImage::Format_RGB888);

    // 固定大小
    QSize fixedSize(400, 300); // 例如，400x300 的固定大小

    // 按比例缩放图片
    QImage scaledImg = img.scaled(fixedSize, Qt::KeepAspectRatio);

    // 在图片上添加文字
    ui->label_4->setText("高斯滤波");
    // 设置 QLabel 的大小为最终图片的大小
    ui->modifypic->setFixedSize(scaledImg.size());

    // 显示图片
    ui->modifypic->setPixmap(QPixmap::fromImage(scaledImg));

运行结果：

中值滤波

中值滤波通过取邻域像素的中值来去除噪声，特别适用于去除椒盐噪声。

实现原理

1. 选择一个核（通常为奇数大小）。
2. 核覆盖区域的像素值排序，取中间值作为当前像素的新值。

优点

• 能有效去除椒盐噪声。
• 保留边缘特征。

缺点

• 对细小的细节和纹理有一定的模糊效果。

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

参数说明

• src：输入图像，必须是一个 1 通道或 3 通道的 8 位图像。
• dst：输出图像，类型与输入图像相同。
• ksize：滤波器窗口的大小，必须是一个正的奇数（如 3, 5, 7 等）。

实例代码：

    int ksize;
    ksize=ui->spinBox->value();
    cv::Mat mypic = cv::imread("C:/Users/15066/Documents/OpenCVTest01/img/pic01.jpg");

    if (mypic.empty()) {
        qDebug() << "Failed to load image!";
        return;
    }
    // 中值滤波器实现

    cv::Mat Medianfiltering;
    cv::medianBlur(mypic, Medianfiltering, ksize);
    // 将 BGR 图像转换为 RGB 图像
    cv::cvtColor(Medianfiltering, Medianfiltering, cv::COLOR_BGR2RGB);

    // 将 OpenCV 图像转换为 QImage
    QImage img = QImage((const unsigned char*)(Medianfiltering.data),
                        Medianfiltering.cols, Medianfiltering.rows,
                        Medianfiltering.step, QImage::Format_RGB888);

    // 固定大小
    QSize fixedSize(400, 300); // 例如，400x300 的固定大小

    // 按比例缩放图片
    QImage scaledImg = img.scaled(fixedSize, Qt::KeepAspectRatio);

    // 在图片上添加文字
    ui->label_4->setText("中值滤波");
    // 设置 QLabel 的大小为最终图片的大小
    ui->modifypic->setFixedSize(scaledImg.size());

    // 显示图片
    ui->modifypic->setPixmap(QPixmap::fromImage(scaledImg));

运行结果：

总结

• 均值滤波：简单但会模糊图像细节，适用于一般平滑。
• 高斯滤波：较复杂，能更好地保留细节和平滑图像，适用于需要平滑和保留边缘的情况。
• 中值滤波：适合去除椒盐噪声，能很好地保留边缘，但对细小细节有模糊效果。

根据具体需求，可以选择合适的滤波方法来处理图像。