中值滤波:是一种基于统计学的滤波
统计排序滤波器:中值对椒盐噪声有很好的抑制作用(处理黑白点)。 图像噪声就是硬件处理图像时受干扰产生了极大或极小的像素值,转换成颜色数据就是255或0, 这就是椒盐噪声(黑白)
假如是3*3的卷积因子,图像数据为
┌ 124 126 127 ┐
│ 120 150 125 │
└ 115 110 120 ┘
进行排序后为: 115,119,120,123,124,125,126,127,150, 然后取中值 124 替换掉图像中心的150
双边滤波: 常说的双边滤波是指高斯双边滤波(用于美颜)
两像素差值太大的不予考虑,像素差值有一个阈值范围,在这个范围的才考虑,其他原样输出,这个叫双边滤波。在双边滤波的基础加上高斯权重,就叫高斯双边滤波。
均值模糊无法克服边缘像素信息丢失缺陷。原因是均值滤波是基于平均权重(都是1)
高斯模糊部分克服了该缺陷,但是无法完全避免,因为没有考虑像素值的不同
高斯双边模糊-是边缘保留的滤波方法,避免了边缘信息丢失,保留了图像轮廓不变
中值滤波——medianBlur函数
void medianBlur(InputArray src,//源图像
OutputArray dst, //输出图像,需要和源图片有一样的尺寸和类型
int ksize)//nt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.............
双边滤波——bilateralFilter函数
void bilateralFilter(InputArray 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。
OutputArraydst,//即目标图像,需要和源图片有一样的尺寸和类型。
int 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。
double 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
double 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。
int borderType=BORDER_DEFAULT)//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。
代码:
#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string>
#include<fstream>
using namespace cv;
using namespace std;
int main()
{
Mat dst2, dst3, dst4, dst5, dst6;
Mat src2 = imread("C:\\Users\\Administrator\\Desktop\\pic\\4.jpg");
imshow("src2", src2);
medianBlur(src2, dst2, 3);//中值模糊,对于有些图像能让更圆润一些
imshow("medianBlur2", dst2);
//15 –计算的半径,半径之内的像数都会被纳入计算,如果提供-1 则根据sigma space参数取值
//150 – sigma color 决定多少差值之内的像素会被计算
//3 – sigma space 如果d的值大于0则声明无效,否则根据它来计算d值
bilateralFilter(src2, dst3, 15, 150, 3);//双边模糊,虽然是模糊,但是图像的轮廓还在,而且能增强图像的立体感
imshow("bilateralFilter1", dst3);
bilateralFilter(src2, dst4, 15, 100, 5);//这就是磨皮的效果,ps效果很明显,sigmaColor值越小,保留的边缘像素越多,sigmaColor值适合在100,d值适合在15
imshow("bilateralFilter2", dst4);
GaussianBlur(src2, dst5, Size(15, 15), 3, 3);//高斯模糊,对比于双边模糊,当模糊的参数设置都是一样,双边模糊将边缘值都保留了下来
imshow("GaussianBlur", dst5);
Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//定义掩膜 3*3矩阵
filter2D(dst4, dst6, -1, kernel, Point(-1, -1), 0);//调用OpenCV函数进行掩膜操作,src.depth表示位图深度,有32、24、8等,如果不知道也可以传-1,表示跟输入图像一样
imshow("filter2D bilateralFilter", dst6);
waitKey(0);
}
结果:
各种模糊的综合案例:
#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string>
#include<fstream>
using namespace cv;
using namespace std;
//综合案列
Mat src, dst1, dst2, dst3, dst4, dst5;
int BoxFilterValue = 6; //方框滤波内核值
int MeanBlurValue = 10; //均值滤波内核值
int GaussianBlurValue = 6; //高斯滤波内核值
int MedianBlurValue = 10; //中值滤波参数值
int BilateralFilterValue = 10; //双边滤波参数值
//方框滤波操作的回调函数
static void on_BoxFilter(int, void *)
{
// 方框滤波操作
boxFilter(src, dst1, -1, Size(BoxFilterValue + 1, BoxFilterValue + 1));
imshow("1方框滤波", dst1);
}
// 均值滤波操作的回调函数
static void on_MeanBlur(int, void *)
{
blur(src, dst2, Size(MeanBlurValue + 1, MeanBlurValue + 1), Point(-1, -1));
imshow("2均值滤波", dst2);
}
// 高斯滤波操作的回调函数
static void on_GaussianBlur(int, void *)
{
GaussianBlur(src, dst3, Size(GaussianBlurValue * 2 + 1, GaussianBlurValue * 2 + 1), 0, 0);
imshow("3高斯滤波", dst3);
}
// 中值滤波操作的回调函数
static void on_MedianBlur(int, void *)
{
medianBlur(src, dst4, MedianBlurValue * 2 + 1);
imshow("4中值滤波", dst4);
}
// 双边滤波操作的回调函数
static void on_BilateralFilter(int, void *)
{
bilateralFilter(src, dst5, BilateralFilterValue, BilateralFilterValue * 2, BilateralFilterValue / 2);
imshow("5双边滤波", dst5);
}
int main()
{
//载入原图
src = imread("C:\\Users\\Administrator\\Desktop\\pic\\4.jpg");
//克隆原图到四个Mat类型中
dst1 = src.clone();
dst2 = src.clone();
dst3 = src.clone();
dst4 = src.clone();
dst5 = src.clone();
imshow("0原图窗口", src);
//1方框滤波
//创建轨迹条
on_MeanBlur(0, 0);
createTrackbar("内核值:", "1方框滤波", &BoxFilterValue, 50, on_BoxFilter);
//2均值滤波
//创建轨迹条
on_MeanBlur(0, 0);
createTrackbar("内核值:", "2均值滤波", &MeanBlurValue, 50, on_MeanBlur);
//3高斯滤波
//创建轨迹条
on_GaussianBlur(0, 0);
createTrackbar("内核值:", "3高斯滤波", &GaussianBlurValue, 50, on_GaussianBlur);
//4中值滤波
//创建轨迹条
on_MedianBlur(0, 0);
createTrackbar("参数值:", "4中值滤波", &MedianBlurValue, 50, on_MedianBlur);
//5双边滤波
//创建轨迹条
on_BilateralFilter(0, 0);
createTrackbar("参数值:", "5双边滤波", &BilateralFilterValue, 50, on_BilateralFilter);
waitKey(0);
}
结果对比: