C++ opencv圖像平滑濾波器使用示例

Posted on by

前言

圖像平滑是一種實用的數字圖像處理技術，一個較好的平滑處理方法既能消除圖像噪聲，又不使圖像邊緣輪廓和線條變模糊。

一、均值濾波

歸一化方框濾波器是很簡單的濾波器，輸出像素值是核窗口內像素值的均值，如果使用歸一化處理，方框濾波就是均值濾波，實際上均值濾波是方框濾波歸一化後的特殊情況。均值不能很好的保護細節。

1.均值濾波函數

opencv提供瞭blur函數來實現均值濾波，函數聲明如下：

void blur(InputArray src, OutputArray dst,
		Size ksize, Point anchor = Point(-1, -1),
		int borderType = BORDER_DEFAULT);
	src 輸入圖像
	dst 輸出圖像
	Ksize 內核的大小
	anchor 錨點 默認值Point(-1， - 1)表示錨位於內核中心。
	bordertype 邊界像素模式

2.均值濾波代碼

#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	blur(img1, img2, Size(20, 20));
	imshow("線性濾波", img2);
	waitKey(0);
}

效果如下：

二、高斯濾波

高斯濾波是一種線性平滑濾波，對於除去高斯噪聲有很好的效果，高斯濾波是對輸入數組的每個點與輸入的高斯濾波模板執行卷積計算，然後精這些結果一塊組成濾波後的輸出數組，具體操作是，用一個模板（或者卷積，掩模）掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值，去代替模板中心像素點的值。

1.高斯濾波函數

opencv提供瞭GaussianBlur函數來實現均值濾波，函數聲明如下：

void GaussianBlur(InputArray src, OutputArray dst, Size ksize,
		double sigmaX, double sigmaY = 0,
		int borderType = BORDER_DEFAULT);
	src 輸入圖像
	dst 輸出圖像
	ksize 高斯核大小  他們必須是奇數
	sigmax x方向上是高斯核標準差
	sigmay y方向上是高斯核標準差
	bordertype 邊界像素模式

2.高斯濾波代碼

int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	GaussianBlur(img1, img2, Size(35, 35),0);
	imshow("高斯濾波", img2);
	waitKey(0);
}

效果圖：

三、中值濾波

中值濾波是用像素點領域灰度值的中值來代替該像素點的灰度值，也就是說用一片區域的中間值來代替所有值，可以去除最大值和最小值 ，它的優點是對去除斑點噪聲和椒鹽噪聲很有用，缺點是中值濾波時間是均值濾波的5倍以上

1.中值濾波函數

opencv提供瞭medianBlur函數來實現均值濾波，函數聲明如下：

void medianBlur(InputArray src, OutputArray dst, int ksize);
	src 輸入
	dst 輸出
	Ksize 孔徑線性尺寸 它必須是奇數且大於1

2.中值濾波代碼

int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	medianBlur(img1, img2,9);
	imshow("中值濾波", img2);
	waitKey(0);
}

效果如下：

四、雙邊濾波

之前所說的濾波器都是為瞭平滑圖像，問題是有些時候這些濾波器不僅削弱瞭噪聲，連帶著吧邊緣也磨掉瞭，為瞭避免這樣的情形（至少在一定程度上），我們可以使用雙邊濾波，它是一種非線性濾波器，它可以達到邊緣，降噪平滑的效果，也是采用加權平均的方法，用周邊像素亮度值的加權平均代表某個像素的強度。雙邊濾波與高斯濾波相比，對於圖像的邊緣信息能夠更好的保存

1.雙邊濾波函數

opencv提供瞭bilateralFilter函數來實現均值濾波，函數聲明如下：

	void bilateralFilter(InputArray src, OutputArray dst, int d,
		double sigmaColor, double sigmaSpace,
		int borderType = BORDER_DEFAULT);
	src 輸入
	dst 輸出
	d 濾波時所用的每個像素鄰域的直徑
	sigmaColor 在顏色空間中過濾。 
	sigmaSpace 在坐標空間中過濾 
	borderType 邊界像素模式

2.雙邊濾波代碼

int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	bilateralFilter(img1, img2, 30,30,30);
	imshow("雙邊濾波", img2);
	waitKey(0);
}

效果如下：

總結

以上就是本文全部內容，簡單介紹瞭線性濾波（均值濾波和高斯濾波）和非線性濾波（中值濾波和雙邊濾波），更多關於opencv圖像平滑的資料請關註LevelAH其它相關文章！

推薦閱讀：