Android OpenCV（二十一）：双边滤波

双边滤波

高斯滤波是以距离为权重，设计滤波模板作为滤波系数，只考虑了像素间的空间位置上的关系，因此滤波的结果会丢失边缘的信息。

高斯滤波的缺陷如下图所示：平坦区域正常滤波，图像细节没有变化，而在突变的边缘上，因为只使用了距离来确定滤波权重，导致边缘被模糊。

在高斯基础上，进一步优化，叠加了像素值的考虑，因此也就引出了双边滤波，一种非线性滤波，滤波效果对保留边缘更有效。

为了理解双边滤波的距离和像素差两个影响因素，先说明下面两个概念帮助理解。

空间距离：当前点距离滤波模板中心点的欧式距离。

灰度距离：当前点距离滤波模板中心点的灰度的差值的绝对值。

双边滤波的核函数是空间域核与像素范围域核的综合结果：

扫描二维码关注公众号，回复： 11175404 查看本文章

1）在图像的平坦区域，像素值变化很小，那么像素差值接近于0，对应的像素范围域权重接近于1，此时空间域权重起主要作用，相当于进行高斯模糊；

2）在图像的边缘区域，像素值变化很大，那么像素差值大，对应的像素范围域权重变大，即使距离远空间域权重小，加上像素域权重总的系数也较大，从而保护了边缘的信息。

双边滤波的效果如下图，在突变的边缘上，使用了像素差权重，所以很好的保留了边缘。

双边滤波的原理如下图所示。

【引用：https://www.cnblogs.com/pingwen/p/12539722.html】

API

public static void bilateralFilter(Mat src, Mat dst, int d, double sigmaColor, double sigmaSpace, int borderType)

参数一：src，待双边滤波图像，图像数据类型为必须是CV_8U、CV_32F和CV_64F三者之一，并且通道数必须为单通道或者三通道。
参数二：dst，双边滤波后的图像，尺寸和数据类型与输入图像src相同。
参数三：d，滤波过程中每个像素邻域的直径，如果这个值是非正数，则由第五个参数sigmaSpace计算得到。当滤波器的直径大于5时，函数的运行速度会变慢，因此如果需要在实时系统中使用该函数，建议将滤波器的半径设置为5，对于离线处理含有大量噪声的滤波图像时，可以将滤波器的半径设为9，当滤波器半径为非正数的时候，会根据空间滤波器的标准差计算滤波器的直径
参数四：sigmaColor，颜色空间滤波器的标准差值，这个参数越大表明该像素领域内有越多的颜色被混合到一起，产生较大的半相等颜色区域。
参数五：sigmaSpace，空间坐标中滤波器的标准差值，这个参数越大表明越远的像素会相互影响，从而使更大领域中有足够相似的颜色获取相同的颜色。当第三个参数d大于0时，邻域范围由d确定，当第三个参数小于等于0时，邻域范围正比于这个参数的数值。
参数六：borderType，像素外推法选择标志。默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。

操作

/**
 * 双边滤波
 * author: yidong
 * 2020/5/1
 */
class BilateralFilterActivity : CardGalleryActivity() {

    override fun buildCards() {
        val bgr = Utils.loadResource(this, R.drawable.timg)
        val source = Mat()
        Imgproc.cvtColor(bgr, source, Imgproc.COLOR_BGR2RGB)
        bgr.release()
        addCardFromMat("原图", source, 240)
        bilateralFilter(source)
        source.release()
    }

    private fun bilateralFilter(source: Mat) {
        val dst9 = Mat()
        Imgproc.bilateralFilter(source, dst9, 9, 10.0, 10.0)
        addCardFromMat("双边滤波 直径9X9 标准差10", dst9, 240)
        dst9.release()

        val dst25 = Mat()
        Imgproc.bilateralFilter(source, dst25, 25, 10.0, 10.0)
        addCardFromMat("双边滤波 直径25X25 标准差10", dst25, 240)
        dst25.release()

        val shift9 = Mat()
        Imgproc.bilateralFilter(source, shift9, 25, 100.0, 100.0)
        addCardFromMat("双边滤波 直径25X25 标准差值100", shift9, 240)
        shift9.release()

        val shift25 = Mat()
        Imgproc.bilateralFilter(source, shift25, 25, 200.0, 200.0)
        addCardFromMat("双边滤波 直径25X25 标准差值200", shift25, 240)
        shift25.release()
    }
}