“平滑”通常又稱“模糊”，是一種簡單常用的圖像處理操作。進(jìn)行平滑處理的原因有很多，但通常是用來去除噪聲和相機(jī)失真，平滑在按照一定的原理來降低圖像分辨率中也有重要應(yīng)用。

OpenCV2和OpenCV3中提供了5種不同的平滑處理方法，每一種都有自己相關(guān)的庫函數(shù)，每一個(gè)庫函數(shù)實(shí)現(xiàn)的平滑都略有不同。在所有的平滑操作函數(shù)中，src和dst兩個(gè)參數(shù)都分別代表源圖像和目標(biāo)圖像。除此之外，每一種平滑操作都具有特定的相關(guān)操作參數(shù)。其中，唯一的共同參數(shù)是最后的borderType，這個(gè)參數(shù)表示平滑操作的過程中如何處理圖像的邊緣的像素。

下面將分別對這5中平滑操作函數(shù)進(jìn)行介紹。

1、cv::blur()

void cv::blur(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像cv::Size ksize, // 核大小cv::Point anchor = cv::Point(-1,-1), // 錨點(diǎn)位置int borderType = cv::BORDER_DEFAULT // 邊界處理方法 );
cv::blur()又被稱作“簡單平滑”操作，輸出圖像中的每個(gè)像素值，為窗口中（如核）所有像素的簡單平均值，窗口的大小通過ksize參數(shù)指定。參數(shù)anchor可以用來指定內(nèi)核是如何與被計(jì)算的像素對齊的。默認(rèn)情況下，anchor的取值為cv::Point（-1，-1），這意味著，核相對于濾波器居中。在多通道圖像中，每個(gè)通道需要分別計(jì)算。

cv::blur()實(shí)際上是下面要介紹的cv::boxFilter()的一個(gè)特例，實(shí)際平滑效果如下。

2、cv::boxFilter()

void cv::boxFilter(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像int ddepth, // 位深(如 CV_8U)cv::Size ksize, // 核大小cv::Point anchor = cv::Point(-1,-1), // 錨點(diǎn)位置bool normalize = true, // 如果是 true, 用box area進(jìn)行劃分int borderType = cv::BORDER_DEFAULT // 邊界處理方法 );

cv::boxFilter()相對于cv::blur()來說更為通用，后者是前者的一種特殊形式。所謂"盒形濾波器"即為，任意一個(gè)矩形形狀濾波器，其中所有的均相等，通常情況下?= 1，或者?= 1/A，其中A為濾波器的面積，如下圖所示。

二者間的主要區(qū)別在于，cv::boxFilter()可以在非歸一化模式（normalize = false）下運(yùn)行，且輸出圖像的位深可以控制（在cv::blur中，dst的位深始終和src保持一致）。如果ddepth的值設(shè)為-1，則輸出圖像和輸入圖像的位深一致；否則，你可以選擇常用的任何位深（如CV_32F）。平滑效果如下：

3、cv::medianBlur()

void cv::medianBlur(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像cv::Size ksize // 核大小 );
cv::medianBlur()即通常所說的均值濾波，其主要思想是，用中心像素矩形鄰域內(nèi)的中值來替代中心像素。平滑效果如下：

4、cv::GaussianBlur()

void cv::GaussianBlur(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像cv::Size ksize, // 核大小double sigmaX, // x方向高斯半寬double sigmaY = 0.0, // y方向高斯半寬int borderType = cv::BORDER_DEFAULT // 邊界處理方法 );
cv::GaussianBlur()即高斯濾波，是最常用的一種濾波方式。其主要思想是，使用高斯核與輸入圖像中的每個(gè)點(diǎn)作卷積運(yùn)算，然后對卷積結(jié)果進(jìn)行求和，從而得到輸出圖像。

對于cv::GaussianBlur()而言，參數(shù)ksize用于指定濾波窗口的寬和高；sigmaX為高斯核在x方向上的sigma值；sigmaY為高斯核在y方向上的sigma值；如果你只指定x的值，而將y的值設(shè)為0，則y的值將被認(rèn)為和x相同。如果二者均被指定為0，則高斯參數(shù)則自動使用下式進(jìn)行計(jì)算：

下圖是ksize = (5,3), sigmaX = 1, and sigmaY = 0.5的高斯核示例：

平滑效果如下：

5、cv::bilateralFilter()

void cv::bilateralFilter(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像int d, // 像素臨接大小（最大距離）double sigmaColor, // 顏色權(quán)重函數(shù)寬度參數(shù)double sigmaSpace, // 空間權(quán)重函數(shù)寬度參數(shù)int borderType = cv::BORDER_DEFAULT // 邊界處理方法 );
cv::bilateralFilter()，即雙邊濾波，是一種可以保持圖像邊緣的平滑方法。和高斯濾波類似，雙邊濾波也是通過計(jì)算中像素和鄰域像素的加權(quán)平均所實(shí)現(xiàn)的，只是其權(quán)值由兩部分組成。其中，第一部分和高斯平滑的權(quán)值相同；第二部分也是高斯權(quán)值，但是該權(quán)值并不是基于中心像素的空間距離，而是基于和中心像素點(diǎn)的灰度值的差異。

雙邊濾波函數(shù)有3個(gè)主要參數(shù)（不包括輸入和輸出）：第一個(gè)參數(shù)d是濾波過程中的像素鄰域直徑；第二個(gè)參數(shù)是用于顏色域高斯核的參數(shù)，稱作sigmaColor，和高斯濾波中的sigma參數(shù)類似；第三個(gè)參數(shù)是空間域中的高斯核寬度，稱作sigmaSpace。平滑效果如下：

2017.03.29

總結(jié)

以上是生活随笔為你收集整理的【OpenCV3】平滑处理详解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。