【OPENCV入門之六】非線性濾波（中值濾波、雙邊濾波）

參考網站：

http://blog.csdn.net/poem_qianmo/article/details/23184547

 

　　在很多情況下，比如在噪聲是散粒噪聲而不是高斯噪聲時（圖像偶爾會出現很大的值的時候），在這種情況下，用高斯濾波器對圖像進行模糊的話，噪聲是不會被去除的，它們只是轉換為更為柔和但仍然可見的散粒。而用非線性濾波會更好些。

 

1、中值濾波（Median filter）——medianBlur函數

 　　該方法在去除脈沖噪聲、斑點噪聲（speckle noise）、椒鹽噪聲（salt-and-pepper noise）、圖像掃描噪聲，的同時又能保留凸圖像邊緣細節。

　　中值濾波與均值濾波比較：

　　　　優勢是，在均值濾波器中，由於噪聲成分被放入平均計算中，所以輸出受到了噪聲的影響；而在中值濾波其中，噪聲成分很難選上，所以幾乎不會影響到輸出。

　　　　劣勢是，中值濾波花費的時間是均值濾波的5倍以上。

　　注意：中值濾波雖然可以克服線性濾波器所帶來的圖像細節模糊，但是在線、尖頂等細節多的圖像不宜用中值濾波。

void medianBlur(InputArray src,　　
　　　　　　　　　　OutputArray dst, 
　　　　　　　　　　int ksize)  　　　　//孔徑的線性尺寸（aperture linear size）,參數必須是大於1的奇數，比如3,5,7,9

//載入原圖  
Mat image=imread("1.jpg");  
//進行中值濾波操作  
Mat out;  
medianBlur( image, out, 7);  

 

 

2、雙邊濾波（Bilateral filter）——bilateralFilter函數

　　其實結合圖像的空間領近度和像素值相似度的一種折中處理，同時考慮空域信息和灰度相似性，達到保邊去噪的目的。具有簡單、非迭代、局部的特點。

　　優點是，可以做邊緣保存（edge preserving）。

　　缺點是，保存了過多的高頻信息，對彩色圖像里的高頻噪聲，不能夠干凈的濾掉，只能夠對於低頻信息進行較好的濾波。

void bilateralFilter(InputArray src, 
　　　　　　　　　　　　OutputArraydst, 
　　　　　　　　　　　　int d, 　　　　　　　　　　　　　　//過濾過程中每個像素領域的直徑
　　　　　　　　　　　　double sigmaColor, 　　　　　　　　//顏色空間濾波器的sigma值。這個參數越大，表明該像素領域內有更寬廣的顏色會被混合到一起，
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　產生較大的半相等顏色區域
　　　　　　　　　　　　double sigmaSpace, 　　　　　　　　//坐標空間中濾波器的sigma值，坐標空間的標注方差。這個數值越大，表明越遠的像素會相互影響，
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　從而使更大的區域足夠相似的顏色獲取相同的顏色。
　　　　　　　　　　　　int borderType=BORDER_DEFAULT)  

//載入原圖  
Mat image=imread("1.jpg");  
//進行雙邊濾波操作  
Mat out;  
bilateralFilter( image, out, 25, 25*2, 25/2 );  

 

 

3、綜合實踐：

//******************************【程序說明】*****************************
//    程序名稱：非線性濾波（中值濾波、雙邊濾波）
//    opencv版本：2.4.13
//    日期：2017/9/21
//**********************************************************************


//******************************【頭文件包含部分】*****************************
//    描述：包含程序所依賴的頭文件
//*****************************************************************************
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>


//******************************【命名空間聲明部分】*****************************
//    描述：包含程序所使用的命名空間
//*****************************************************************************
using namespace std;
using namespace cv;


//******************************【全局變量聲明部分】*****************************
//    描述：全局變量聲明
//*****************************************************************************
Mat g_srcImage,g_dstImage1, g_dstImage2, g_dstImage3, g_dstImage4, g_dstImage5;    //存儲圖片的Mat類型
int g_nBoxFilterValue = 6;    //方框濾波參數值
int g_nMeanBlurValue = 10;    //均值濾波參數值
int g_nGaussianBlurValue = 6;    //高斯濾波參數值
int g_nMedianBlurValue = 10;    //中值濾波參數值
int g_nBilateralFilterValue = 10;    //雙邊濾波參數值


//******************************【全局函數聲明部分】*****************************
//    描述：全局函數聲明
//*****************************************************************************
//軌跡條的回調函數
static void on_BoxFilter(int, void* );        //方框濾波
static void on_MeanBlur(int, void*);    //均值濾波
static void on_GaussianBlur(int, void*);    //高斯濾波
static void on_MedianBlur(int, void*);        //中值濾波
static void on_BilateralFilter(int, void*);    //雙邊濾波


//******************************【main（）部分】*****************************
//    描述：控制台應用程序的入口函數，我們的程序從這里開始
//*****************************************************************************
int main()
{
    //【0】初始化
    system("color 5E");

    //【1】讀取原圖
    g_srcImage = imread( "1.jpg", 1 );
    if(!g_srcImage.data) { printf("Oh,no,讀取srcImage錯誤！！！！\n"); return false; }

    //【2】克隆原圖到三個Mat類型中
    g_dstImage1 = g_srcImage.clone();
    g_dstImage2 = g_srcImage.clone();
    g_dstImage3 = g_srcImage.clone();
    g_dstImage4 = g_srcImage.clone();
    g_dstImage5 = g_srcImage.clone();

    //【3】顯示原圖
    namedWindow("【<0>原圖窗口】", 1 );
    imshow("【<0>原圖窗口】", g_srcImage );

    //【4】濾波操作處理
    //***********************【<1>方框濾波】*******************
    namedWindow("【<1>方框濾波】", 1);
    createTrackbar("內核值：", "【<1>方框濾波】", &g_nBoxFilterValue, 40, on_BoxFilter);
    on_BoxFilter(g_nBoxFilterValue, 0);
    imshow("【<1>方框濾波】", g_dstImage1);

    //***********************【<2>均值濾波】*******************
    namedWindow("【<2>均值濾波】", 1);
    createTrackbar("內核值：", "【<2>均值濾波】", &g_nMeanBlurValue, 40, on_MeanBlur);
    on_MeanBlur(g_nMeanBlurValue, 0);
    imshow("【<2>均值濾波】", g_dstImage2);

    //***********************【<3>高斯濾波】*******************
    namedWindow("【<3>高斯濾波】", 1);
    createTrackbar("內核值：", "【<3>高斯濾波】", &g_nGaussianBlurValue, 40, on_GaussianBlur);
    on_GaussianBlur(g_nGaussianBlurValue, 0);
    imshow("【<3>高斯濾波】", g_dstImage3);

    //***********************【<4>中值濾波】*******************
    namedWindow("【<4>中值濾波】", 1);
    createTrackbar("內核值：", "【<4>中值濾波】", &g_nMedianBlurValue, 40, on_MedianBlur);
    on_MedianBlur(g_nMedianBlurValue, 0);
    imshow("【<4>中值濾波】", g_dstImage4);

    //***********************【<5>雙邊濾波】*******************
    namedWindow("【<5>雙邊濾波】", 1);
    createTrackbar("內核值：", "【<5>雙邊濾波】", &g_nBilateralFilterValue, 40, on_BilateralFilter);
    on_BilateralFilter(g_nBilateralFilterValue, 0);
    imshow("【<5>雙邊濾波】", g_dstImage5);
    
    //【5】輸出一些有幫助的信息
    cout<<endl<<"\t嗯。好了，請調整滾動條觀察圖像效果~\n\n"
                <<"\t按下“q”鍵時，程序退出~！\n";

    //【6】按下“q”鍵時，程序退出
    while(char(waitKey(1) != 'q')){}

    return 0;
}


//******************************【on_BoxFilter（）部分】*****************************
//    描述：方框濾波操作的回調函數
//*****************************************************************************
static void on_BoxFilter(int, void* )
{
    boxFilter(g_srcImage, g_dstImage1, -1, Size(g_nBoxFilterValue+1, g_nBoxFilterValue+1));
    imshow("【<1>方框濾波】", g_dstImage1);
}


//******************************【on_MeanBlur（）部分】*****************************
//    描述：均值濾波操作的回調函數
//*****************************************************************************
static void on_MeanBlur(int, void*)
{
    blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue+1, g_nMeanBlurValue+1), Point(-1, -1));
    imshow("【<2>均值濾波】", g_dstImage2);
}


//******************************【on_GaussianBlur（）部分】*****************************
//    描述：高斯濾波操作的回調函數
//*****************************************************************************
static void on_GaussianBlur(int, void*)
{    
    GaussianBlur(g_srcImage, g_dstImage3, Size(g_nGaussianBlurValue*2+1, g_nGaussianBlurValue*2+1), 0, 0);
    imshow("【<3>高斯濾波】", g_dstImage3);
}


//******************************【on_MedianBlur（）部分】*****************************
//    描述：中值濾波操作的回調函數
//*****************************************************************************
static void on_MedianBlur(int, void*)
{
    medianBlur(g_srcImage, g_dstImage4, g_nMedianBlurValue*2+1);
    imshow("【<4>中值濾波】", g_dstImage4);
}

//******************************【on_BilateralFilter（）部分】*****************************
//    描述：雙邊濾波操作的回調函數
//*****************************************************************************
static void on_BilateralFilter(int, void*)
{
    bilateralFilter(g_srcImage, g_dstImage5, g_nBilateralFilterValue, g_nBilateralFilterValue*2, g_nBilateralFilterValue/2);
    imshow("【<5>雙邊濾波】", g_dstImage5);
}