opencv学习（7）图像的各种滤波函数的介绍
图像的滤波⽬的有两个：
⼀是抽出图像的特征作为图像识别的特征模式；
另⼀个是为适应图像处理的要求，消除图像数字化时所混⼊的噪声；
1、图像的平滑处理：
平滑滤波是指低频增强的空间滤波技术。主要⽬的是模糊和消除噪⾳；
2、常⽤的5种图像平滑处理操作⽅法：
1）⽅框滤波——boxFilter函数
2）均值滤波——Blur函数
3）⾼斯滤波——GaussianBlur函数
4）中值滤波——medianBlur函数
5）双边滤波——bilateralFilter函数
前三种都属于线性滤波，后两种属于⾮线性滤波；
滤波和模糊：滤波是将信号中特定波段频率滤除的操作，是抑制和防⽌⼲扰的⼀项重要措施。模糊是滤波的⼀种。⾼斯滤波是指⽤⾼斯函数
作为滤波函数的滤波操作。⾼斯模糊就是⾼斯低通滤波。
1）⽅框滤波——boxFilter函数
函数原型：
void boxFilter(InputArray src,OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT )
参数详解：
第⼀个参数：InputArray类型的src，输⼊图像，即源图像，填Mat类的对象即可。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。
第⼆个参数：OutputArray类型的dst，即⽬标图像，需要和源图⽚有⼀样的尺⼨和类型。
第三个参数：int类型的ddepth，输出图像的深度，-1代表使⽤原图深度，即src.depth()。
第四个参数：Size类型（对Size类型稍后有讲解）的ksize，内核的⼤⼩。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（3,3）就表⽰3x3的核⼤⼩，Size（5,5）就表⽰5x5的核⼤⼩
第五个参数：Point类型的anchor，表⽰锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表⽰
取核的中⼼为锚点，所以默认值Point(-1,-1)表⽰这个锚点在核的中⼼。
第六个参数：bool类型的normalize，默认值为true，⼀个标识符，表⽰内核是否被其区域归⼀化（normalized）了。
第七个参数：int类型的borderType，⽤于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们⼀般不去管它。
2）均值滤波——Blur函数
函数原型：
C++: void blur(InputArray src, OutputArraydst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )
第⼀个参数：InputArray类型的src，输⼊图像，即源图像，填Mat类的对象即可。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。
第⼆个参数：OutputArray类型的dst，即⽬标图像，需要和源图⽚有⼀样的尺⼨和类型。⽐如可以⽤Mat::Clone，以源图⽚为模板，来初
始化得到如假包换的⽬标图。
第三个参数：Size类型（对Size类型稍后有讲解）的ksize，内核的⼤⼩。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（3,3）就表⽰3x3的核⼤⼩，Size（5,5）就表⽰5x5的核⼤⼩
第四个参数：Point类型的anchor，表⽰锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表⽰
取核的中⼼为锚点，所以默认值Point(-1,-1)表⽰这个锚点在核的中⼼。
第五个参数：int类型的borderType，⽤于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们⼀般不去管它。
3）⾼斯滤波——GaussianBlur函数
原型：
C++: void GaussianBlur(InputArray src,OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, intborderType=BORDER_DEFAULT )
第⼀个参数：InputArray类型的src，输⼊图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图⽚，但需要注意，图⽚深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之⼀。
第⼆个参数：OutputArray类型的dst，即⽬标图像，需要和源图⽚有⼀样的尺⼨和类型。⽐如可以⽤Mat::Clone，以源图⽚为模板，来初始化得到如假包换的⽬标图。
第三个参数：Size类型的ksize⾼斯内核的⼤⼩。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数。或者，它们可以是零的，它们都是由sigma计算⽽来。
第四个参数：double类型的sigmaX，表⽰⾼斯核函数在X⽅向的的标准偏差。
第五个参数：double类型的sigmaY，表⽰⾼斯核函数在Y⽅向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。
为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。
第六个参数：int类型的borderType，⽤于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们⼀般不去管它。
下⾯是线性滤波的综合事例：
#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;
Mat g_srcImage,g_dstImage1,g_dstImage2,g_dstImage3;//存储图⽚的Mat类型
int g_nBoxFilterValue=3;  //⽅框滤波参数值
int g_nMeanBlurValue=3;  //均值滤波参数值
int g_nGaussianBlurValue=3;  //⾼斯滤波参数值
/
/轨迹条的回调函数
static void on_BoxFilter(int, void *);            //⽅框滤波
static void on_MeanBlur(int, void *);          //均值滤波
static void on_GaussianBlur(int, void *);                    //⾼斯滤波
//-----------------------------------【main( )函数】---------------------------------------
int main(  )
{
//改变console字体颜⾊
system("color5E");
//载⼊原图
g_srcImage= imread( "1.jpg", 1 );
if(!g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！\n"); return false; }
//克隆原图到三个Mat类型中
g_dstImage1= g_srcImage.clone( );
g_dstImage2= g_srcImage.clone( );
g_dstImage3= g_srcImage.clone( );
//显⽰原图
namedWindow("【<0>原图窗⼝】", 1);
imshow("【<0>原图窗⼝】",g_srcImage);
//=================【<1>⽅框滤波】==================
//创建窗⼝
namedWindow("【<1>⽅框滤波】", 1);
/
/创建轨迹条
createTrackbar("内核值：", "【<1>⽅框滤波】",&g_nBoxFilterValue, 40,on_BoxFilter );
on_MeanBlur(g_nBoxFilterValue,0);
imshow("【<1>⽅框滤波】", g_dstImage1);
//=================【<2>均值滤波】==================
//创建窗⼝
namedWindow("【<2>均值滤波】", 1);
//创建轨迹条
createTrackbar("内核值：", "【<2>均值滤波】",&g_nMeanBlurValue, 40,on_MeanBlur );
on_MeanBlur(g_nMeanBlurValue,0);
//=================【<3>⾼斯滤波】=====================
/
/创建窗⼝
namedWindow("【<3>⾼斯滤波】", 1);
//创建轨迹条
createTrackbar("内核值：", "【<3>⾼斯滤波】",&g_nGaussianBlurValue, 40,on_GaussianBlur );
on_GaussianBlur(g_nGaussianBlurValue,0);
//输出⼀些帮助信息
cout<<endl<<"\t嗯。好了，请调整滚动条观察图像效果~\n\n"
<<"\t按下“q”键时，程序退出~!\n"
<<"\n\n\t\t\t\tby浅墨";
//按下“q”键时，程序退出
while(char(waitKey(1))!= 'q') {}
return0;
}
//    描述：⽅框滤波操作的回调函数
static void on_BoxFilter(int, void *)
{
//⽅框滤波操作
boxFilter(g_srcImage, g_dstImage1, -1,Size( g_nBoxFilterValue+1, g_nBoxFilterValue+1));
//显⽰窗⼝
imshow("【<1>⽅框滤波】", g_dstImage1);
}
//    描述：均值滤波操作的回调函数
static void on_MeanBlur(int, void *)
{
//均值滤波操作
blur(g_srcImage, g_dstImage2, Size( g_nMeanBlurValue+1, g_nMeanBlurValue+1),Point(-1,-1));
//显⽰窗⼝
imshow("【<2>均值滤波】", g_dstImage2);
}
static void on_GaussianBlur(int, void *)
{
//⾼斯滤波操作
GaussianBlur(g_srcImage, g_dstImage3, Size( g_nGaussianBlurValue*2+1,g_nGaussianBlurValue*2+1 ), 0, 0);
//显⽰窗⼝
imshow("【<3>⾼斯滤波】", g_dstImage3);
}
刚刚介绍的都是线性滤波，即两个信号之和的响应和他们各⾃响应之和相等。也就是每个像素的输出值是⼀些输⼊像素的加权和，线性滤波器易于构造，并且易于从频率响应⾓度来进⾏分析。其实在很多情况下，使⽤邻域像素的⾮线性滤波也许会得到更好的效果。
中值滤波（Median filter）是⼀种典型的⾮线性滤波技术，基本思想是⽤像素点邻域灰度值的中值来代替该像素点的灰度值，该⽅法在去除脉冲噪声、椒盐噪声的同时⼜能保留图像边缘细节。
中值滤波在⼀定的条件下可以克服常见线性滤波器如最⼩均⽅滤波、⽅框滤波器、均值滤波等带来的图像细节模糊，⽽且对滤除脉冲⼲扰及图像扫描噪声⾮常有效，也常⽤于保护边缘信息, 保存边缘的特性使它在不希望出现边缘模糊的场合也很有⽤，是⾮常经典的平滑噪声处理⽅法。
缺点：中值滤波花费的时间是均值滤波的5倍以上。
双边滤波（Bilateral filter）是⼀种⾮线性的滤波⽅法，是结合图像的空间邻近度和像素值相似度的⼀
种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的⽬的。具有简单、⾮迭代、局部的特点。
双边滤波器的好处是可以做边缘保存（edge preserving），⼀般过去⽤的维纳滤波或者⾼斯滤波去降噪，都会较明显地模糊边缘，对于⾼频细节的保护效果并不明显。双边滤波器顾名思义⽐⾼斯滤波多了⼀个⾼斯⽅差sigma－d，它是基于空间分布的⾼斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的⾼频信息，对于彩⾊图像⾥的⾼频噪声，双边滤波器不能够⼲净的滤掉，只能够对于低频信息进⾏较好的滤波。
在双边滤波器中，输出像素的值依赖于邻域像素值的加权值组合：
4）中值滤波——medianBlur函数
medianBlur函数使⽤中值滤波器来平滑（模糊）处理⼀张图⽚，从src输⼊，⽽结果从dst输出。
且对于多通道图⽚，每⼀个通道都单独进⾏处理，并且⽀持就地操作（In-placeoperation）。
原型：
参数详解：
第⼀个参数：InputArray类型的src，函数的输⼊参数，填1、3或者4通道的Mat类型的图像；当ksize为3或者5的时候，图像深度需为CV_8U，CV_16U，或CV_32F其中之⼀，⽽对于较⼤孔径尺⼨的图⽚，它只能是CV_8U。
htmlborder
第⼆个参数：OutputArray类型的dst，即⽬标图像，函数的输出参数，需要和源图⽚有⼀样的尺⼨和类型。我们可以⽤Mat::Clone，以源图⽚为模板，来初始化得到如假包换的⽬标图。 第三个参数：int类型的ksize，孔径的线性尺⼨（aperture linear size），注意这个参数必须是⼤于1的奇数，⽐如：3，5，7，9。
C++: void  medianBlur(InputArray src,OutputArray dst, int  ksize)
#include "opencv2/core/core.hpp"
#include"opencv2/highgui/highgui.hpp"
#include"opencv2/imgproc/imgproc.hpp"
using namespace cv;
//-----------------------------------【main( )函数】--------------------------------------------
//    描述：控制台应⽤程序的⼊⼝函数，我们的程序从这⾥开始
//-----------------------------------------------------------------------------------------------
int main( )
{
//载⼊原图
Mat image=imread("1.jpg");
/
/创建窗⼝
namedWindow("中值滤波【原图】" );
namedWindow("中值滤波【效果图】");
//显⽰原图
imshow("中值滤波【原图】", image );
//进⾏中值滤波操作
Mat out;
medianBlur( image, out, 7);
//显⽰效果图
imshow("中值滤波【效果图】" ,out );
waitKey(0 );
}
5）双边滤波——bilateralFilter函数
原型：
C++: void bilateralFilter(InputArray src, OutputArraydst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)
第⼀个参数：InputArray类型的src，输⼊图像，即源图像，需要为8位或者浮点型单通道、三通道的图像。
第⼆个参数：OutputArray类型的dst，即⽬标图像，需要和源图⽚有⼀样的尺⼨和类型。
第三个参数：int类型的d，表⽰在过滤过程中每个像素邻域的直径。如果这个值我们设其为⾮正数，那么OpenCV会从第五个参数sigmaSpace来计算出它来。
第四个参数：double类型的sigmaColor，颜⾊空间滤波器的sigma值。这个参数的值越⼤，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。
第五个参数：double类型的sigmaSpace坐标空间中滤波器的sigma值，坐标空间的标注⽅差。他的数值越⼤，意味着越远的像素会相互影响，从⽽使更⼤的区域⾜够相似的颜⾊获取相同的颜⾊。当d>0，d指定了邻域⼤⼩且与sigmaSpace⽆关。否则，d正⽐于sigmaSpace。 第六个参数：int类型的borderType，⽤于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。