opencv非线性滤波--中值、双边滤波
一、中值滤波的原理中值滤波的内核系数全是1,通过对模板系数对应的图像像素进行统计排序,找到中值,能够很好地排除掉较大或较小的噪声,例如椒盐噪声(形象的说就是在图像中的一些黑、白点),脉冲噪声等。缺点:统计排序时间较长二、中值滤波APIvoid medianBlur( InputArray src, OutputArray dst, int ksize );参数src:当ksize为3...
一、中值滤波的原理
中值滤波的内核系数全是1,通过对模板系数对应的图像像素进行统计排序,找到中值, 能够很好地排除掉较大或较小的噪声,例如椒盐噪声(形象的说就是在图像中的一些黑、白点),脉冲噪声等。
缺点:统计排序时间较长
二、中值滤波API
void medianBlur( InputArray src, OutputArray dst, int ksize );
参数src:当ksize为3,5时,深度可以是CV_8U, CV_16U, or CV_32F;若ksize更大,深度只能是CV_8U。
参数dst:和原图一样的大小、类型
参数ksize:只能是正、奇数。
三、双边滤波原理
1、简介
相比较高斯模糊,得到的是一整张图像被模糊,细节边缘会丢失,只考虑了像素间的空间距离的关系(空间距离影响权重),而双边滤波既考虑了像素空间距离的关系,又考虑了像素之间相似程度的关系,所以可以达到图像模糊的作用的同时又保留了边缘细节
2、双边滤波原理
2.1、滤波器核由空间域核和值域核两个函数生成:
①空间域核:由像素位置欧式距离决定的模板权重值
w
d
w_{d}
wd
w d ( i , j , k , l ) = e x p ( − ( i − k ) 2 + ( j − l ) 2 2 σ d 2 ) w_{d}(i,j,k,l)=exp(-\frac{(i-k)^{2}+(j-l)^{2}}{2\sigma _{d}^{2}}) wd(i,j,k,l)=exp(−2σd2(i−k)2+(j−l)2)
注:其中(k,l)是模板中心点的坐标,(i,j)是模板中其他系数的坐标,
σ
d
\sigma_{d}
σd是高斯函数的标准差。
②值域核:由像素的差值决定的模板权重值
w
r
w_{r}
wr
w r ( i , j , k , l ) = e x p ( − ∥ f ( i , j ) − f ( k , l ) ∥ 2 2 σ r 2 ) w_{r}(i,j,k,l)=exp(-\frac{\left \| f(i,j)-f(k,l) \right \|^{2}}{2\sigma _{r}^{2}}) wr(i,j,k,l)=exp(−2σr2∥f(i,j)−f(k,l)∥2)
注:f(i,j),f(k,l)是图像对应模板位置的像素值,
σ
r
\sigma_{r}
σr是高斯函数的标准差。
不管是空间域核还是值域核,其大小均在[0,1]之间。
③空间域核×值域核 = 实际模板权值
w ( i , j , k , l ) = w d ( i , j , k , l ) ∗ w r ( i , j , k , l ) w(i,j,k,l)=w_{d}(i,j,k,l)\ast w_{r}(i,j,k,l) w(i,j,k,l)=wd(i,j,k,l)∗wr(i,j,k,l)
④求得实际像素值:
g ( k , l ) = ∑ f ( i , j ) ∗ w ( i , j , k , l ) ∑ w ( i , j , k , l ) g(k,l) = \frac{\sum f(i,j)*w(i,j,k,l)}{\sum w(i,j,k,l)} g(k,l)=∑w(i,j,k,l)∑f(i,j)∗w(i,j,k,l)
2.2、原理:
在图像平坦区域,临近像素的像素差值较小,对应的值域权重值
w
r
w_{r}
wr趋近于1,此时空间域权重值
w
d
w_{d}
wd起主要作用,相当于对平坦区域进行高斯模糊;
在图像边缘区域,临近像素的像素差值较大,对应的值域权重值
w
r
w_{r}
wr趋近于0,使得
w
w
w减小,对像素的影响就越小,从而保持了原图的边缘细节。
3、API介绍
void bilateralFilter( InputArray src, OutputArray dst, int d,
double sigmaColor, double sigmaSpace,
int borderType = BORDER_DEFAULT );
不支持就地操作
参数src:8位或浮点数单通道、3通道图。
参数dst:和原图一样的大小和类型。
参数d:邻域大小,邻域内的像素纳入计算,d越大,计算范围越大。
参数sigmaColor:代表
σ
r
\sigma_{r}
σr,颜色(差值)空间中滤波器的sigma值,决定了像素邻域中多少差值之内的像素会被计算,值越大,像素领域内就会有更多的颜色被混合计算,超过这个值的像素会当作边缘计算;一般设置在10~150之间。
参数sigmaSpace:代表
σ
d
\sigma_{d}
σd,坐标(距离)空间中滤波器的sigma值,值越大,表示领域内更远的像素会相互影响,从而使更大区域中足够相似的颜色获取相同的颜色;若d > 0,则d指定了邻域大小且与sigmaSpace无关,否则d正比于sigmaSpace.;一般设置为5
4、总结
双边滤波能够很好地保存图像边缘细节而去除掉低频分量的噪音,但是花费时间相对其他滤波较长,对于简单的双边滤波而言,可以将两个sigma设置相同,如果值小于10,则对滤波器影响较小,如果值大于150,则对滤波器影响很大,会使图像看起来像卡通图。
更多推荐
所有评论(0)