Opencv3笔记10——非线性滤波

2 非线性滤波

2.2 中值滤波

基本思想：用像素点邻域灰度值的中值代替该像素的灰度值，该方法用去除脉冲噪声，椒盐噪声的同时又能保留图像的边缘细节
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。用中值代替邻域中的点的像素值，从而消除独立的噪声点，对于斑点噪声(speckle noise)和椒盐噪声(salt-and–pepper noise)。

2.3 双边滤波

结合图像中的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到了保边去噪的目标。
双边滤波是基于空间分布的高斯滤波函数，所以在边缘附近，离得较远的像素不会对边缘上的像素值影响太多。但是只能对低频信息进行较好地滤波。

g (i, j) = \frac{\sum_{k, l} f (k, l) ω (i, j, k, l)}{\sum_{k, l} ω (i, j, k, l)}

$g(i,j) =\frac{\sum_{k,l}f(k,l)\omega(i,j,k,l)}{\sum_{k,l}\omega(i,j,k,l)}$
加权系数

ω (i, j, k, l)

$\omega(i,j,k,l)$ 取决于定义域核和值域核的乘积
定义域核的表示如下：

d (i, j, k, l) = e x p (- \frac{(i - k)^{2} + (j - l)^{2}}{2 σ_{d}^{2}})

$d(i,j,k,l) = exp(-\frac{(i-k)^2+(j-l)^2}{2\sigma^2_d})$
值域核的表示如下

r (i, j, k, l) = e x p (- \frac{| | f (i, j) - f (k, l) | |^{2}}{2 σ_{r}^{2}})

$r(i,j,k,l) = exp(-\frac{||f(i,j)-f(k,l)||^2}{2\sigma^2_r})$

2.4 非线性滤波相关核心API函数

中值滤波medianBlur函数

函数原型

void medianBlur(InputArray src, OutputArray dst, int ksize)

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

using namespace cv;

//-----------------------------【main()函数】-----------------------
//  描述：程序的入口
//-----------------------------------------------------------------

int main()
{
    //载入原图
    Mat image = imread("1.jpg");
    namedWindow("中值滤波【原图】");
    namedWindow("中值滤波【效果图】");

    //显示原图
    imshow("中值滤波【原图】", image);

    //进行中值滤波
    Mat out;
    medianBlur(image, out, 7);

    //显示效果图
    imshow("中值滤波【效果图】", out);
    waitKey(0);
    return 0;
}

ksize:孔径的线性尺寸，这是必须大于1的奇数

这里写图片描述

双边滤波：bilateralFilter函数

函数原型

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

int类型的d表示在滤波过程中每个像素邻域的直径
double 类型的sigmaColor，颜色空间滤波器的sigma值，越大表示像素邻域内的越宽广的颜色会被混合在一起
double 类型的sigmaSpace 坐标空间中滤波器的sigma值，坐标空间的标注方差，数值越大，意味着越远的像素相互影响。

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

using namespace cv;

//-----------------------------【main()函数】-----------------------
//  描述：程序的入口
//-----------------------------------------------------------------

int main()
{
    //载入原图
    Mat image = imread("1.jpg");
    namedWindow("双边滤波【原图】");
    namedWindow("双边滤波【效果图】");

    //显示原图
    imshow("双边滤波【原图】", image);

    //进行中值滤波
    Mat out;
    bilateralFilter(image, out, 7);

    //显示效果图
    imshow("双边滤波【效果图】", out);
    waitKey(0);
    return 0;
}

这里写图片描述

综合示例

//---------------------------【头文件、命名空间】----------
//  描述：包含程序所需要头文件和命名空间
//------------------------------------------------------
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;

//---------------------------【全局变量声明部分】-----------------
//  描述：全局变量声明
//-------------------------------------------------------------

// 存储图片的Mat类型
Mat g_srcImage, g_dstImage1, g_dstImage2, g_dstImage3,g_dstImage4,g_dstImage5;

int g_nBoxFilterValue = 6;          //方框滤波参数值
int g_nMeanBlurValue = 10;          //均值滤波参数值
int g_nGaussianBlurValue = 6;       // 高斯滤波参数值
int g_nMedianBlurValue = 10;        //中值滤波参数值
int g_nBilateralFilterValue = 10;   //双边滤波参数值 

//---------------------------【全局函数声明部分】----------------
//  描述：全局函数声明
//------------------------------------------------------------

//轨迹条回调函数
static void on_BoxFilter(int, void *);      //方框滤波
static void on_MeanBlur(int, void *);       //均值滤波
static void on_GaussianBlur(int, void *);   //高斯滤波
static void on_MedianBlur(int, void *);     //中值滤波
static void on_BilateralFilter(int, void *);// 双边滤波

//---------------------------【main函数】----------------
//  描述：控制台应用程序入口函数
//------------------------------------------------------
int main()
{
    //改变console字体颜色
    system("color 5E");

    //载入原图
    g_srcImage = imread("1.jpg", 1);
    if (!g_srcImage.data)
    {
        printf("读取srcImage错误~！\n");
        return false;
    }


    //复制原图
    g_dstImage1 = g_srcImage.clone();
    g_dstImage2 = g_srcImage.clone();
    g_dstImage3 = g_srcImage.clone();
    g_dstImage4 = g_srcImage.clone();
    g_dstImage5 = g_srcImage.clone();

    namedWindow("【<0>原图窗口】", 1);
    imshow("【<0>原图窗口】", g_srcImage);

    //----------------------------【<1>方框滤波】---------------------
    //创建窗口
    namedWindow("【<1>方框滤波】", 1);

    //创建轨迹条
    createTrackbar("内核值：", "【<1>方框滤波】", &g_nBoxFilterValue, 50, on_BoxFilter);
    on_BoxFilter(g_nBoxFilterValue, 0);
    imshow("【<1>方框滤波】", g_dstImage1);

    //----------------------------【<2>均值滤波】----------------------
    //创建窗口
    namedWindow("【<2>均值滤波】", 1);
    //创建轨迹条
    createTrackbar("内核值：", "【<2>均值滤波】", &g_nMeanBlurValue, 50, on_MeanBlur);
    on_MeanBlur(g_nMeanBlurValue, 0);

    //-----------------------------【<3>高斯滤波】--------------------
    //创建窗口
    namedWindow("【<3>高斯滤波】", 1);
    //创建轨迹条
    createTrackbar("内核值：", "【<3>高斯滤波】", &g_nGaussianBlurValue, 50, on_GaussianBlur);
    on_GaussianBlur(g_nGaussianBlurValue, 0);

    //------------------------------【<4>中值滤波】--------------------
    //创建窗口
    namedWindow("【<4>中值滤波】", 1);
    //创建轨迹条
    createTrackbar("参数值", "【<4>中值滤波】", &g_nMeanBlurValue, 50, on_MedianBlur
    );

    on_MedianBlur(g_nMedianBlurValue, 0);

    //-------------------------------【<5>双边滤波】-------------------

    //创建窗口
    namedWindow("【<5>双边滤波】", 1);
    //创建轨迹条
    createTrackbar("参数值：", "【<5>双边滤波】", &g_nBilateralFilterValue, 50, on_BilateralFilter, 0);
    on_BilateralFilter(g_nBilateralFilterValue, 0);

    //输出帮助信息
    cout << endl << "\t 请调滚动条观察效果图~\n\n" << "\t 按下“q”键时，程序退出~！\n";

    //按下"q"键，程序退出
    while (char(waitKey(1)) != 'q') {}

    waitKey(0);
    return 0;
}

//----------------------------【on_BoxFilter()函数】-------------------
//  描述：方框滤波操作的回调函数
//--------------------------------------------------------------------

static void on_BoxFilter(int, void *)
{
    // 方框滤波
    boxFilter(g_srcImage, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1));
    //显示窗口
    imshow("【<1>方框滤波】", g_dstImage1);
}

//----------------------------【on_MeanBlur()函数】-------------------
//  描述：均值滤波操作的回调函数
//--------------------------------------------------------------------

static void on_MeanBlur(int, void *)
{
    //均值滤波
    blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
    //显示窗口
    imshow("【<2>均值滤波】", g_dstImage2);
}

//----------------------------【on_GaussianBlur()函数】-------------------
//  描述：高斯滤波操作的回调函数
//--------------------------------------------------------------------

static void on_GaussianBlur(int, void *)
{
    //高斯滤波
    GaussianBlur(g_srcImage, g_dstImage3, Size(g_nGaussianBlurValue * 2 + 1, g_nGaussianBlurValue * 2 + 1), 0, 0);
    //显示窗口
    imshow("【<3>高斯滤波】", g_dstImage3);
}

//----------------------------【on_MedianBlur()函数】-------------------
//  描述：中值滤波操作的回调函数
//--------------------------------------------------------------------

static void on_MedianBlur(int, void *)
{
    medianBlur(g_srcImage, g_dstImage4, g_nMedianBlurValue * 2 + 1);
    imshow("【<4>中值滤波】", g_dstImage4);
}
//----------------------【on_BilateralFilter()函数】-------------------
//  描述：双边滤波操作的回调函数
//--------------------------------------------------------------------

static void on_BilateralFilter(int, void *)
{
    bilateralFilter(g_srcImage, g_dstImage5, g_nBilateralFilterValue, g_nBilateralFilterValue * 2, g_nBilateralFilterValue / 2);
    imshow("【<5>双边滤波】", g_dstImage5);
}

这里写图片描述