少有人走的路演示代码:
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst,dst1,dst2,dst3;
src = imread("e:/8small.png");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
namedWindow("input image", CV_WINDOW_AUTOSIZE);
imshow("input image", src);
//blur模糊与GaussianBlur高斯模糊
blur(src, dst, Size(5, 5), Point(-1, -1));
GaussianBlur(src, dst1, Size(5, 5), 11, 11);
imshow("blur", dst);
imshow("GaussianBlue", dst1);
//bilateralFilter模糊
src = imread("e:/9.png");
imshow("ori Img", src);
bilateralFilter(src, dst2, 15, 100, 5);
imshow("bilateralFilter", dst2);
//继续添加掩模的效果
Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
filter2D(dst2, dst3, -1, kernel, Point(-1, -1), 0);
imshow("result", dst3);
waitKey(0);
return 0;
}如下图，分别为原图、blur模糊、GaussianBlur高斯模糊。
下图是，原图、bilateralFilter模糊、bilateralFilter模糊+掩模后的效果
代码解释：
常见模糊用途及其原理
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
通常这些卷积算子计算都是线性操作，所以又叫线性滤波
假设有6x6的图像像素点矩阵。
卷积过程：6x6上面是个3x3的窗口，从左向右，从上向下移动，黄色的每个像个像素点值之和取平均值赋给中心红色像素作为它卷积处理之后新的像素值。每次移动一个像素格。
归一化盒子滤波（均值滤波）
高斯滤波
中值滤波
统计排序滤波器
中值对椒盐噪声有很好的抑制作用
双边滤波
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
对应的OpenCV算子：
均值模糊
- blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1));
高斯模糊
- 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
中值模糊
medianBlur（Mat src, Mat dest, ksize）
中值模糊的ksize大小必须是大于1而且必须是奇数。
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sigma 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则声明无效，否则根据它来计算d值
---------------------
作者：hackpig
来源：www.skcircle.com
版权声明：本文章代码及资料部分或全部来自贾志刚老师的视频，勇哥只是在个人理解的基础上做学习笔记，转载请附上博文链接！
