OpenCV_图像滤波

滤波是信号和图像处理中的一种基本操作。它的目的时选择性地提取图像中某些方面的内容，这些内容在特定应用环境下传达了重要信息。

通过观察图像灰度值变化的频率来描述图像的特征，称为频域；

通过观察图像灰度分布来描述图像特征，称为空域；

有几种著名的变换法可以用来清楚地显示图像地频率成分，例如傅里叶变换或余弦变换。图像是二维的，因此频率分为两种，即垂直频率和水平频率。

在频域分析框架下，滤波器是一种放大图像中某些频段，同时滤掉其他频段的算子。

*低通滤波器

一个简单的方法是把每个像素的值替换成它周围像素的平均值。这样一来，强度的快速变化被消除，代之以更加平滑的过渡。

cv::blur函数将每个像素的值替换成该像素邻域的平均值。

效果：

代码：

int main()
{
	cv::Mat image = cv::imread("zifeng.jpg");
	cv::imshow("original image", image);
	cv::Mat result;
	cv::blur(image, result, cv::Size(4, 4));
	cv::imshow("mean filtered image", result);
	cvWaitKey();
}

有时需要让邻域内较近的像素具有更高的重要度，因此可计算加权平均值，即较近的像素比较远的像素具有更大的权重，可采用高斯函数指定的加权策略。

代码：

cv::GaussianBlur(image, result, cv::Size(5, 5), 1.5);
cv::imshow("Gaussian filtered image", result);

如果用邻域像素的加权累加值来替换像素值，这种滤波器是 线性的。
简单应用：

1、缩减像素采样

测试图像缩小1/4后（缩小的方式是每4行像素中保留一行），再将每个像素放大4倍得到的结果：