OpenCV-滤波算子(一)

OpenCV-滤波算子(一)

---

author@jason_ql
http://blog.csdn.net/lql0716

---

平滑处理（smoothing）也称模糊处理（bluring），常用来减少图像上的噪点或者失真。

1、线性滤波：

1.1 方框滤波：BoxBlur()

方框滤波一般用来模糊一张图片。

C++：void bosFilter(InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT)

参数：
第一个参数：InputArray类型的src，输入图像，即原图像，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。但需注意，待处理的图片深度应该是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F之一。
第二个参数：OutputArray类型的dst，即目标图像，需要和原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类型的ksize，内核的大小。一般用Size(w,h)的写法来表示内核的大小（其中，w为像素宽度，h为像素高度）。例如Size(3,3)表示3x3的核大小；Size(5,5)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，它有默认值Point(-1,-1)。如果这个点座标是负值的话，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。

1.2 均值滤波：Blur()

C++: void blur(InputArray src, OutputArray dst, 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，即原图像，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。但需注意，待处理的图片深度应该是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F之一。
第二个参数：OutputArray类型的dst，即目标图像，需要和原图片有一样的尺寸和类型。
第三个参数：Size类型的ksize，内核的大小。一般用Size(w,h)的写法来表示内核的大小（其中，w为像素宽度，h为像素高度）。例如Size(3,3)表示3x3的核大小；Size(5,5)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，它有默认值Point(-1,-1)。如果这个点座标是负值的话，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。

1.3 高斯滤波：GaussianBlur()

高斯滤波一般用来模糊一张图片。

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

第一个参数：InputArray类型的src，输入图像，即原图像，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。但需注意，待处理的图片深度应该是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F之一。
第二个参数：OutputArray类型的dst，即目标图像，需要和原图片有一样的尺寸和类型。
第三个参数：Size类型的ksize，内核的大小。一般用Size(w,h)的写法来表示内核的大小（其中，w为像素宽度，h为像素高度）。例如Size(3,3)表示3x3的核大小；Size(5,5)表示5x5的核大小。
第四个参数：double类型的sigmaX，表示高斯函数在X方向的标准偏差。
第五个参数：double类型的sigmaY，表示高斯核函数在Y方向的标准差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么久有ksize.width和ksize.height计算出来。为了结果的正确性着想，最好把第三个参数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。

2、非线性滤波：

2.1 中值滤波：medianBlur()

中值滤波一般用来平滑（模糊）处理一张图片。

C++: void medianBlur(InputArray src, OutputArray dst, int ksize)

第一个参数:InputArray类型的src，函数的输入参数，填1、3或4通道的Mat类型的图像。当ksize为3或5的时候，图像深度需为CV_8U、CV_16U、CV_32F其中之一，而对于较大孔径尺寸的图片，它只能是CV_8U。
第二个参数:OutputArray类型的dst，即目标图像，函数的输出参数，需要和原图像有一样的尺寸和类型。我们可以用Mat::Clone，以原图片为模板，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……

2.2 双边滤波：bilateralFilter()

双边滤波一般用来模糊处理一张图片。

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

第一个参数:InputArray类型的src，输入图像，即原图像，需要为8为或浮点型单通道、三通道的图像。
第二个参数:OutputArray类型的dst，即目标图像，需要和原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。如果这个值被设为非正数，那么Opencv会从第五个参数sigmaSpace来计算出它。
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越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，座标空间中值滤波器的sigma值，座标空间的标准方差。它的数值越大，意味着越远的像素会相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0 时，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。

3、方框、均值、高斯、中值、双边滤波代码示例

#include <opencv2\opencv.hpp>
//#include <opencv2\core\core.hpp>
//#include <opencv2\highgui\highgui.hpp>
//#include <opencv2\imgproc\imgproc.hpp>

using namespace cv;
using namespace std;

string path = "D:/test/source/img/031.jpg";
cv::Mat img = cv::imread(path);
cv::Mat dst, dst2, dst3, dst4, dst5;

int main()
{

    cv::namedWindow("原图");
    cv::imshow("原图", img);

    //方框滤波
    cv::namedWindow("方框滤波——效果图");
    cv::boxFilter(img, dst, -1, cv::Size(5, 5));
    cv::imshow("方框滤波——效果图", dst);

    //均值滤波
    cv::namedWindow("均值滤波——效果图");
    cv::blur(img, dst2, cv::Size(7, 7));
    cv::imshow("均值滤波——效果图", dst2);

    //高斯滤波
    cv::namedWindow("高斯滤波——效果图");
    cv::GaussianBlur(img, dst3, cv::Size(7, 7), 0, 0);
    cv::imshow("高斯滤波——效果图", dst3);

    //中值滤波
    cv::namedWindow("中值滤波——效果图");
    cv::medianBlur(img, dst4, 7);
    cv::imshow("中值滤波——效果图", dst4);

    //双边滤波
    cv::namedWindow("双边滤波——效果图");
    cv::bilateralFilter(img, dst5, 25, 25 * 2, 25 / 2);
    cv::imshow("双边滤波——效果图", dst5);

    cv::waitKey(0);
    return 0;

}