本節(jié)主要記錄OpenCV 兩類五種常見的濾波方式:

線性濾波:方框濾波、均值濾波、高斯濾波
非線性濾波: 中值濾波、雙邊濾波
文章首先概括各種濾波方式的特點以及用法,最后給出相應(yīng)的效果及demo;

濾波的目的:

濾波的目的有兩個即：1.抽出對象的特征作為圖像識別的特征模式；2.為適應(yīng)圖像處理要求，消除數(shù)字圖像所混入的噪聲 .
對圖像濾波有兩個要求：1.不能損壞圖像的輪廓和邊緣等重要信息；2.使圖像清晰視覺效果更好.
為了進行圖像平滑操作，通常在圖像上加一個濾波器(filter)，最常見的類型是線性的，輸出像素值(g(i, j))最終由原像素值和加權(quán)值決定。其公式如下：

其中h(k, l)被稱為核(kernel),是加到圖像上濾波器(filter)的系數(shù);

一.方框濾波BoxBlur:

這是所有濾波器中最簡單的一種濾波方式。每一個輸出像素的是內(nèi)核鄰域像素值的平均值得到。 也就意味著濾波核越大,濾波結(jié)果圖像越平滑,也就越模糊;
通用的濾波kernel如下：

這里是一個長寬分別為Kwidth和Kheight的窗口函數(shù)，在此區(qū)域內(nèi)鄰域中像素值疊加求平均即可求出位于kernel中心點像素的像素值。opencv中提供了方框濾波函數(shù)boxFilter()

/! smooths the image using the box filter. Each pixel is processed in O(1) time
CV_EXPORTS_W void boxFilter( InputArray src, OutputArray dst, int ddepth,
                             Size ksize, Point anchor=Point(-1,-1),
                             bool normalize=true,
                             int borderType=BORDER_DEFAULT );

其中:

• InputArray src: 輸入圖像，可以是Mat類型 ;
• OutputArray dst: 經(jīng)濾波后輸出圖像 ;
• int ddepth: 目標(biāo)圖像的深度，若設(shè)置為-1,則深度與原圖像深度相同 ;
• Size ksize: Size類型，內(nèi)核的大小，一般用Size(w, h)表示，如Size(3, 3);
• Point anchor:默認(rèn)值為 Point(-1,-1), 標(biāo)記進行濾波操作的點，如果是默認(rèn)值(-1, -1)說明對上述窗口中心點所對應(yīng)的像素點進行操作 ;
• bool normalize: 默認(rèn)值true,標(biāo)記內(nèi)核是否被歸一化處理,所謂歸一化,簡單說就是將結(jié)果控制在摸個范圍之內(nèi);
• int borderType:默認(rèn)值BORDER_DEFAULT,用于推斷圖像外部像素的某種便捷模式;

二.均值濾波 blur:

理解了方框濾波,再看均值濾波也就比較簡單了,在方框濾波當(dāng)中,若 normalize = false即為均值濾波;OpenCV對應(yīng)函數(shù):

//! a synonym for normalized box filter
CV_EXPORTS_W void blur( InputArray src, OutputArray dst,
                        Size ksize, Point anchor=Point(-1,-1),
                        int borderType=BORDER_DEFAULT );

其中:

• InputArray src:
• OutputArray dst:
• Size ksize:
• Point anchor=Point(-1,-1):
• int borderType=BORDER_DEFAULT :
  參數(shù)均與方框濾波含義相同;

三.高斯濾波GaussianBlur()

高斯濾波是一種線性平滑濾波，對于除去高斯噪聲(概率分布服從正態(tài)分布)有很好的效果。高斯濾波被形容為”Probably the most useful filter”，同時也指出高斯濾波并不是效率最高的濾波算法;高斯濾波是通過對輸入數(shù)組的每個點與輸入的高斯濾波模板執(zhí)行卷積計算然后將這些結(jié)果一塊組成了濾波后的輸出數(shù)組，通俗的講就是高斯濾波是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。
高斯濾波和高斯模糊:高斯濾波和高斯模糊并非同一概念,二者的區(qū)別主要在于所采用的濾波器是高通還是低通;比如低通濾波器，像素能量低的通過，而對于像素能量高的部分將會采取加權(quán)平均的方法重新計算像素的值，將能量像素的值編程能量較低的值，我們知道對于圖像而言其高頻部分展現(xiàn)圖像細(xì)節(jié)，所以經(jīng)過低通濾波器之后整幅圖像變成低頻造成圖像模糊，這就被稱為高斯模糊；相反高通濾波是允許高頻通過而過濾掉低頻，這樣將低頻像素進行銳化操作，圖像變的更加清晰，被稱為高斯濾波;
簡單說:高斯濾波是指用高斯函數(shù)作為濾波函數(shù)的濾波操作而高斯模糊是用高斯低通濾波器。
高斯函數(shù)如下:

OpenCV對應(yīng)函數(shù)如下:

//! smooths the image using Gaussian filter.
CV_EXPORTS_W void GaussianBlur( InputArray src,
                                               OutputArray dst, Size ksize,
                                               double sigmaX, double sigmaY=0,
                                               int borderType=BORDER_DEFAULT );

其中:

• InputArray src:

• OutputArray dst:輸出圖像，與輸入圖像有相同的類型和尺寸。

• Size ksize: 高斯內(nèi)核大小，這個尺寸與前面兩個濾波kernel尺寸不同，ksize.width和ksize.height可以不相同但是這兩個值必須為正奇數(shù)，如果這兩個值為0，他們的值將由sigma計算。

• double sigmaX: 高斯核函數(shù)在X方向上的標(biāo)準(zhǔn)偏差

• double sigmaY=0:高斯核函數(shù)在Y方向上的標(biāo)準(zhǔn)偏差，如果sigmaY是0，則函數(shù)會自動將sigmaY的值設(shè)置為與sigmaX相同的值，如果sigmaX和sigmaY都是0，這兩個值將由ksize.width和ksize.height計算而來。具體可以參考getGaussianKernel()函數(shù)查看具體細(xì)節(jié)。建議將size、sigmaX和sigmaY都指定出來。

• int borderType=BORDER_DEFAULT : 有默認(rèn)值BORDER_DEFAULT，如果沒有特殊需要不用更改，具體可以參考borderInterpolate()函數(shù)。

四.中值濾波medianBlur()

中值濾波是一種典型的非線性濾波，是基于排序統(tǒng)計理論的一種能夠有效抑制噪聲的非線性信號處理技術(shù)，基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值，讓周圍的像素值接近真實的值從而消除孤立的噪聲點。該方法在取出脈沖噪聲、椒鹽噪聲(二值圖像上表現(xiàn)為使一些像素點變白，一些像素點變黑)的同時能保留圖像的邊緣細(xì)節(jié)。這些優(yōu)良特性是線性濾波所不具備的。
中值濾波首先也得生成一個濾波模板，將該模板內(nèi)的各像素值進行排序，生成單調(diào)上升或單調(diào)下降的二維數(shù)據(jù)序列，二維中值濾波輸出為g(x, y)=medf{f(x-k, y-l),(k, l∈w)}，其中f(x,y)和g(x,y)分別是原圖像和處理后圖像, w為輸入的二維模板，能夠在整幅圖像上滑動，通常尺寸為3 * 3或5 * 5區(qū)域，也可以是不同的形狀如線狀、圓形、十字形、圓環(huán)形等。通過從圖像中的二維模板取出奇數(shù)個數(shù)據(jù)進行排序，用排序后的中值取代要處理的數(shù)據(jù)即可。
中值濾波對消除椒鹽噪聲非常有效，能夠克服線性濾波器帶來的圖像細(xì)節(jié)模糊等弊端，能夠有效保護圖像邊緣信息，是非常經(jīng)典的平滑噪聲處理方法。在光學(xué)測量條紋圖像的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大。
OpenCV對應(yīng)函數(shù)如下:

//! smooths the image using median filter.
CV_EXPORTS_W void medianBlur( InputArray src, OutputArray dst, int ksize );

其中:

• InputArray src: 輸入圖像，圖像為1、3、4通道的圖像，當(dāng)模板尺寸為3或5時，圖像深度只能為CV_8U、CV_16U、CV_32F中的一個，如而對于較大孔徑尺寸的圖片，圖像深度只能是CV_8U;
• OutputArray dst:輸出圖像，尺寸和類型與輸入圖像一致，可以使用Mat::Clone以原圖像為模板來初始化輸出圖像dst ;
• int ksize:濾波模板的尺寸大小，必須是大于1的奇數(shù)

五.雙邊濾波bilateralFilter()

雙邊濾波是一種非線性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空間與信息和灰度相似性，達到保邊去噪的目的，具有簡單、非迭代、局部處理的特點。之所以能夠達到保邊去噪的濾波效果是因為濾波器由兩個函數(shù)構(gòu)成：一個函數(shù)是由幾何空間距離決定濾波器系數(shù)，另一個是由像素差值決定濾波器系數(shù)。
雙邊濾波器中，輸出像素的值依賴于鄰域像素的值的加權(quán)組合，其公式如下：

權(quán)重系數(shù)w(i,j,k,l)取決于定義域核
[站外圖片上傳中...(image-bf88e3-1515383334366)]

和值域核

的乘積，也就是

//! smooths the image using bilateral filter
CV_EXPORTS_W void bilateralFilter( InputArray src, 
                                   OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType=BORDER_DEFAULT );

其中:

• InputArray src:輸入圖像，可以是Mat類型，圖像必須是8位或浮點型單通道、三通道的圖像。
• OutputArray dst:輸出圖像，和原圖像有相同的尺寸和類型。
• int d:表示在過濾過程中每個像素鄰域的直徑范圍。如果這個值是非正數(shù)，則函數(shù)會從第五個參數(shù)sigmaSpace計算該值。
• double sigmaColor:顏色空間過濾器的sigma值，這個參數(shù)的值越大，表明該像素鄰域內(nèi)有越寬廣的顏色會被混合到一起，產(chǎn)生較大的半相等顏色區(qū)域。
• double sigmaSpace:坐標(biāo)空間中濾波器的sigma值，如果該值較大，則意味著顏色相近的較遠(yuǎn)的像素將相互影響，從而使更大的區(qū)域中足夠相似的顏色獲取相同的顏色。當(dāng)d>0時，d指定了鄰域大小且與sigmaSpace無關(guān)，否則d正比于sigmaSpace.
• int borderType=BORDER_DEFAULT:
  另一種形態(tài):

//! smooths the image using adaptive bilateral filter
CV_EXPORTS_W void adaptiveBilateralFilter( InputArray src,
                                           OutputArray dst, Size ksize,
                                           double sigmaSpace, double maxSigmaColor = 20.0, Point anchor=Point(-1, -1),
                                           int borderType=BORDER_DEFAULT );

雙邊濾波器可以很好的保存圖像邊緣細(xì)節(jié)而濾除掉低頻分量的噪音，但是雙邊濾波器的效率不是太高，花費的時間相較于其他濾波器而言也比較長。
對于簡單的濾波而言，可以將兩個sigma值設(shè)置成相同的值，如果值<10，則對濾波器影響很小，如果值>150則會對濾波器產(chǎn)生較大的影響，會使圖片看起來像卡通。