1.图像滤波的概述
(1)Why (为什么要进行图像滤波)
- 去噪：去除图像在获取、传输等过程中的各种噪音干扰
- 提取特征：使用特定的图像滤波器提取图像特定特征
(2)What (什么是图像滤波)
使用滤波核对图像进行卷积运算或非线性运算，以达到去噪或提取特征的目的的图像处理技术
2.线性滤波
What：对各像素灰度进行简单处理（乘以一个权重），最后求和
(1)方框滤波
归一化方框滤波器和均值滤波器的核基本一致，主要区别是：是否进行归一化处理，如果不进行归一化处理，则表示的是方框滤波
在opencv中的滤波算法如下：
void cv::boxFilter(cv::Mat &imSrc, //输入图像cv::Mat &imDst, //输出图像int depth, //图像深度cv::Size ssize, //方框滤波器的尺寸cv::Point(-1,-1), //默认以中心点为基准bool normalize = true, //是否进行归一化处理int borderType = 4);
(2)均值滤波
均值滤波器的核的元素全是1，并进行了归一化操作：即每个元素都会除以核的总数
void cv::blur(cv::Mat &imSrc, //输入图像cv::Mat &imDst, //输出图像cv::Size ksize, //滤波核的尺寸Point anchor=Point(-1,-1), //默认以中心点为基准int borderType=BORDER_DEFA //图像外部像素的边界模式，一般默认值即可);
(3)高斯滤波
形状类似于概率论中的高斯分布模型（正态分布模型）
void cv::GaussianBlur(cv::Mat &imSrc, //输入图像cv::Mat &imDst, //输出图像cv::Size ksize, //高斯滤波核的尺寸double sigmaX, //高斯核函数在X方向的标准偏差double sigmaY = 0, //高斯核函数在Y方向的标准偏差int borderType = BORDER_DEFAULT);
3.非线性滤波
(1)中值滤波
用像素点领域的灰度值来代替该像素点的灰度值，可以去除最大值和最小值，针对椒盐噪声效果很好
void cv::medianBlur(cv::Mat &imSrc, //输入图像cv::Mat &imDst, //输出图像int ksize //中值滤波核的尺寸);
(2)双边滤波
双边滤波能够在保持边缘的前提下实现降噪的目的，缺点是效率较慢
基本原理：考虑两个权重因素来组成卷积核
- 空域权重：两点之间的距离，距离越远权重越低
- 值域权重：两点之间的像素值相似程度，越相似权重越大。
void cv::bilalteralFilter(cv::Mat &imSrc, //输入图像cv::Mat &imDst, //输出图像double sigmaColor, //值域的标准差double sigmaSpace, //空间域的标准差int borderType = BORDER_DEFAULT);