计算机视觉全系列实战教程：（九）图像滤波操作

1.图像滤波的概述

(1)Why (为什么要进行图像滤波)

• 去噪：去除图像在获取、传输等过程中的各种噪音干扰
• 提取特征：使用特定的图像滤波器提取图像特定特征

(2)What (什么是图像滤波)

使用滤波核对图像进行卷积运算或非线性运算，以达到去噪或提取特征的目的的图像处理技术

2.线性滤波

What：对各像素灰度进行简单处理（乘以一个权重），最后求和

(1)方框滤波

归一化方框滤波器和均值滤波器的核基本一致，主要区别是：是否进行归一化处理，如果不进行归一化处理，则表示的是方框滤波
在opencv中的滤波算法如下：

void cv::boxFilter(cv::Mat &imSrc, //输入图像
			  cv::Mat &imDst, //输出图像
			  int depth, //图像深度
			  cv::Size ssize, //方框滤波器的尺寸
			  cv::Point(-1,-1), //默认以中心点为基准
			  bool normalize = true, //是否进行归一化处理
			  int borderType = 4
			  );
1
2
3
4
5
6
7
8

(2)均值滤波

均值滤波器的核的元素全是1，并进行了归一化操作：即每个元素都会除以核的总数

void cv::blur(cv::Mat &imSrc, //输入图像
			  cv::Mat &imDst,  //输出图像
			  cv::Size ksize,  //滤波核的尺寸
			  Point anchor=Point(-1,-1),  //默认以中心点为基准
			  int borderType=BORDER_DEFA  //图像外部像素的边界模式，一般默认值即可
			  );
1
2
3
4
5
6

(3)高斯滤波

形状类似于概率论中的高斯分布模型（正态分布模型）

void cv::GaussianBlur(
	cv::Mat &imSrc, //输入图像
	cv::Mat &imDst, //输出图像
	cv::Size ksize, //高斯滤波核的尺寸
	double sigmaX, //高斯核函数在X方向的标准偏差
	double sigmaY = 0, //高斯核函数在Y方向的标准偏差
	int borderType = BORDER_DEFAULT
	);
1
2
3
4
5
6
7
8

3.非线性滤波

(1)中值滤波

用像素点领域的灰度值来代替该像素点的灰度值，可以去除最大值和最小值，针对椒盐噪声效果很好

void cv::medianBlur(
	cv::Mat &imSrc, //输入图像
	cv::Mat &imDst, //输出图像
	int ksize  //中值滤波核的尺寸
	);
1
2
3
4
5

(2)双边滤波

双边滤波能够在保持边缘的前提下实现降噪的目的，缺点是效率较慢
基本原理：考虑两个权重因素来组成卷积核

• 空域权重：两点之间的距离，距离越远权重越低
• 值域权重：两点之间的像素值相似程度，越相似权重越大。

void cv::bilalteralFilter(
	cv::Mat &imSrc, //输入图像
	cv::Mat &imDst,  //输出图像
	double sigmaColor, //值域的标准差
	double sigmaSpace,  //空间域的标准差
	int borderType = BORDER_DEFAULT
	);
1
2
3
4
5
6
7