opencv 非线性滤波与模糊

线性滤波因其是线性计算，所以容易构造，但却是一种平庸的方法，实现的效果也是很平庸。要想实现蒂花之秀，就要不走寻常路，所以小林祭出非线性滤波。

非线性滤波在OpenCV中主要有中值滤波和双边滤波，他们相比线性滤波，在去除噪点方面更胜一筹。

一、中值滤波

中值滤波的基本思想是，将待处理像素点的邻域像素值由小到大排列，然后取其中值作为待处理像素的像素值。

如何我们将核的大小设置为3，中值滤波就会对核中的9个数字进行排序，然后将中心点的像素值换成中值，如下图所示：

• 相比均值滤波的优点：均值滤波，由于是加权平均，输出像素值易受噪点影响，而中值滤波只是简单的像素值排列取中值，处于极端的噪点几乎会被无视掉。
• 相比均值滤波的缺点：效率比均值滤波 慢多啦。
• 函数原型：

• dst = cv2.medianBlur(src, ksize[, dst])

• src：通道数需为1、3或4个通道；当ksize取3或5时，图像数据类型可以为CV_8U、CV_16U或CV_32F；当ksize大于5时，图像数据类型只能为CV_8U。
• ksize：核的大小，需为大于1的奇数。

二、双边滤波

• 优点：相比高斯滤波能更好的保护边缘信息不受模糊的影响
• 缺点：正是由于他的优点，使得他不能很好地滤除边缘区域地噪点，且耗时长

函数原型：

dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])

• src：8位或浮点型，1或3通道
• d：滤波时的邻域半径，若为负值，则由参数sigmaSpace确定
• sigmaColor：颜色空间滤波器的sigma值。值越大，就表明该像素邻域内有更宽广的颜色会被混合到一起，产生较大的半相等颜色区域
• sigmaSpace：坐标空间中滤波器的sigma值。值越大，意味着越远的像素会相互影响，从而使更大的区域和足够相似的颜色。当d大于0，d指定了邻域大小且与sigmaSpace无关。否则，d正比于sigmaSpace。

三、demo

	img = imread("D:\\cv_study\\随机练\\lena.jpg");
	medianBlur(img, m0, 17);
	boxFilter(img, m1, img.depth(), Size(17, 17));

中值的效果比均值好，双边对边缘信息保留的很好。