open cv均值中值高斯双边高斯滤波及模糊

最新推荐文章于 2024-05-15 18:11:36 发布

原创

最新推荐文章于 2024-05-15 18:11:36 发布 · 764 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #机器学习 #卷积 #过滤器

本文介绍了图像处理中的几种滤波技术，包括均值滤波、高斯滤波、中值滤波和双边滤波。均值滤波通过计算邻域像素的平均值来平滑图像，但可能导致边缘信息丢失；高斯滤波在一定程度上保留了像素质量，而中值滤波特别适用于消除椒盐噪声；双边滤波则在保持边缘的同时进行平滑，适合用于图像去噪和保留细节。

/*
模糊与消噪

模糊原理(线性滤波)

●Smooth/Blur 是图像处理中最简单和常用的操作之一
●使用该操作的原因之一-就为了给图像预处理时候减低噪声
●使用Smooth/Blur操作其背后是数学的卷积计算
●通常这些卷积算子(kernel掩膜)计算都是线性操作 ,所以又叫线性滤波

降低噪点 OCR识别特征提取通过smooth让二值化对象提取更准确

归一化盒子滤波(均值滤波)
高斯滤波(能最大限度保留像素的质量与大小)

相关API
●均值模糊
x坐标 y坐标中心像素的位置

blur(Mat src,IMat dst, Size(xradius, yradius), Point(-1,-1);

●高斯模糊(各像素权重不一样，按高斯分布)(类似于图像混合)
窗口大小正态分布的情况

GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);
其中Size ( x,y) ,x, y必须是正数而且是奇数

filter2D也可以做模糊

https://blog.youkuaiyun.com/Vici__/article/details/102476784?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-9&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-9

中值滤波
●统计排序滤波器
●中值对椒盐噪声(白点和黑点)有很好的抑制作用噪声所在的位置叫做噪点

双边滤波(效果好)

●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
●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
空域核值域和保留值域

相关API
●中值模糊medianBlur ( Mat src, Mat dest, ksize )
●双边模糊bilateralFilter(src, dest, d=15, 150, 3);
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sgma 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刚声明无效。否则根据它来计算d值
中值模糊的ksize(卷积核)大小必须是大于1而且必须是奇数(偶数不好找中心像素)

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>
#include <windows.h>

using namespace cv;
using namespace std;

int main(