若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104549757

《OpenCV开发笔记（二十）：算法基础之非线性滤波对比-中值、双边滤波》：待发布

《OpenCV开发笔记（二十一）：算法基础之形态学滤波-膨胀》：待发布

《OpenCV开发笔记（二十二）：算法基础之形态学滤波-腐蚀》：待发布

《OpenCV开发笔记（二十三）：算法基础之形态学滤波-开运算（先腐蚀后膨胀）》：待发布

《OpenCV开发笔记（二十四）：算法基础之形态学滤波-闭运算（先膨胀后腐蚀）》：待发布

《OpenCV开发笔记（二十五）：算法基础之形态学滤波-白帽》：待发布

《OpenCV开发笔记（二十六）：算法基础之形态学滤波-黑帽》：待发布

持续补充中…

OpenCV开发笔记（十九）：算法基础之非线性滤波-双边滤波

前言

本篇章学习非线性滤波中的双边滤波。

Demo

双边滤波的值貌似不够大，将值由最大100改为1000（实际还要除以10.0f）,得到效果如下图：

双边滤波

概述

双边滤波是一种非线性的滤波，结合图像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，达到保留图像的同时削弱噪声的效果。

双边滤波器也给每一个领域像素分配了一个加权系数。这些加权系数包含两个部分，第一部分加权方式与高斯滤波一样，第二部分的权重则取决于该领域像素与当前像素的灰度差值。

由于保存了过多的高频信息，双边变滤波器不能够干净地滤掉彩色图像里的高频噪声，只能够对低频信息进行较好的滤波。对于脉冲噪声，双边滤波会把它当成边缘从而不能去除。

函数原型

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

参数一：InputArray类型，一般是cv::Mat，可以处理1、3通道数的图片；
参数二；OutputArray类型，输出的目标图像，需要和原图片有一样的尺寸和类型；
参数三：int类型，表示在过滤过程中每个像素领域的直径范围，如果这个值非整数，则函数会从第五个参数signaSpace计算该值；
参数四：颜色空间过滤器的sigma值，这个参数的值月大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域；
参数五：坐标空间中滤波器的sigma值，如果该值较大，则意味着越远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace无关，否则d正比于sigmaSpace；
参数六：int类型的borderType，用于推断图像外部像素的某种边界模式，使用默认值BORDER_DEFULAT，一般无需设置；

Demo源码

void OpenCVManager::testBilateralFilter()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/6.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::resize(srcMat, srcMat, cv::Size(400, 300));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows),
                                srcMat.type());
    int d = 0;
    int sigmaColor = 0;
    int sigmaSpace = 0;
    cvui::window(windowMat, dstMat.cols, 0, dstMat.cols, dstMat.rows, "settings");
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原图先copy到左边
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);

        // 中间为调整滤波参数的相关设置
        cvui::printf(windowMat, 500, 40, "d");
        cvui::trackbar(windowMat, 500, 60, 200, &d, 0, 10);

        // 中间为调整滤波参数的相关设置
        cvui::printf(windowMat, 500, 120, "sigmaColor");
        cvui::trackbar(windowMat, 500, 140, 200, &sigmaColor, 0, 1000);

        // 中间为调整滤波参数的相关设置
        cvui::printf(windowMat, 500, 200, "sigmaSpace");
        cvui::trackbar(windowMat, 500, 220, 200, &sigmaSpace, 0, 1000);

        // 双边滤波
        cv::bilateralFilter(srcMat,
                            dstMat,
                            d,
                            sigmaColor / 10.f,
                            sigmaSpace / 10.f);

        // 效果图copy到右边
        // 注意：rang从位置1到位置2，不是位置1+宽度
        cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
                                     cv::Range(srcMat.cols * 2, srcMat.cols * 3));
        cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}