opencv（Python/c++）:滤波（方框滤波，均值滤波，高斯滤波，中值滤波，双边滤波）

最新推荐文章于 2025-06-23 10:44:42 发布

转载最新推荐文章于 2025-06-23 10:44:42 发布 · 1.5k 阅读

文章标签：

#opencv #python #c++

opencv 专栏收录该内容

23 篇文章

订阅专栏

本文深入探讨了图像滤波的基本概念及其在图像处理中的应用，包括线性滤波（如方框滤波、均值滤波、高斯滤波）和非线性滤波（如中值滤波、双边滤波）。通过C++代码示例，详细展示了各种滤波方法的实现过程及效果对比。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python中的滤波体现在cameo项目，到时候再移植一下。

什么是图像滤波？

图像滤波，是指保留图像细节特征的条件下对目标图像的噪声进行抑制，称之为图像平滑化或者滤波

滤波分为线性滤波和非线性滤波：

线性滤波：方框滤波，均值滤波，高斯滤波
非线性滤波：中值滤波（能够去除脉冲噪声，椒盐噪声同时又能够保留图像的边缘细节），双边滤波（可以做边缘保存）

其中高斯低通就是模糊，高通就是锐化
正态分布就是高斯分布。
通常在滤波的过程中，很重要的概念是“核” 。 ksize也就是内核的大小

c++代码

1）线性滤波

在这里插入图片描述

特别注意：高斯滤波的size必须为正数和奇数
线性滤波c++代码

#include <iostream>
#include <opencv/cv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

//主函数
int main(void)
{
    //读取原始图像
    Mat srcImage=imread("/home/liuxin/桌面/opencv/dog.jpeg");
    imshow("original",srcImage);
    //进行滤波
    Mat boxfilter,meanFilter,gaussFilter;
    boxFilter(srcImage,boxfilter,-1,Size(6,6));//方框滤波；depth=-1，表示和原图像一致
    blur(srcImage,meanFilter,Size(6,6));//均值滤波
    GaussianBlur(srcImage,gaussFilter,Size(5,5),0,0);//高斯滤波的size必须为正数和奇数
    //显示结果
    imshow("boxfilter",boxfilter);
    imshow("meanFilter",meanFilter);
    imshow("gaussFilter",gaussFilter);


    while(1)
    {
        int key=cvWaitKey(10);
    if (key==27)
    {
        break;
    }
    }
    return(0);



}

2）非线性滤波

效果图
在这里插入图片描述，注：最左边为双边滤波，中间为中值滤波，最右边为原图

medianblur中的ksize必须为大于1的奇数
非线性滤波c++代码

#include <iostream>
#include <opencv/cv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

//主函数
int main(void)
{
    //读取原始图像
    Mat srcImage=imread("/home/liuxin/桌面/opencv/dog.jpeg");
    imshow("original",srcImage);
    //进行滤波
    Mat mediafilter,bilateralfilter,gaussFilter;
    medianBlur(srcImage,mediafilter,7);//中值滤波
    bilateralFilter(srcImage,bilateralfilter,25,25*2,25/2);//双边滤波

    //显示结果
    imshow("mediafilter",mediafilter);
    imshow("bilateralfilter",bilateralfilter);



    while(1)
    {
        int key=cvWaitKey(10);
    if (key==27)
    {
        break;
    }
    }
    return(0);



}