Opencv计算机视觉编程攻略-第六节 图像滤波

滤波是信号和图像处理中的一种基本操作。它的目的是选择性地提取图像中某些方面的内容，这些内容在特定应用环境下传达了重要信息。滤波可去除图像中的噪声，提取有用的视觉特征，对图像重新采样，等等。

1. 低通滤波器

cv::blur 函数将每个像素的值替换成该像素邻域的平均值（邻域是矩形的），从而使图像更加平滑。这个低通滤波器的用法如下所示：

cv::blur(image,result, cv::Size(5,5)); // 滤波器尺寸

cv::GaussianBlur(image, result, cv::Size(5,5), 1.5); // 控制高斯曲线形状的参数

这种滤波器也称为块滤波器（box filter），为了让效果更加明显，这里使用尺寸为5×5 的滤
波器。blur是均值平滑，在平滑窗口依据距离设置权重，可以使用GaussianBlur

2. 用滤波器进行缩减像素采样

需要调整图像精度（重新采样）的情况屡见不鲜，降低图像精度的过程称为缩减像素采（downsampling），提升图像精度的过程称为提升像素采样（upsampling）。这些算法的难点在于要尽可能地保持图像质量。为此，人们通常采用低通滤波器来实现算，通过将高频进行抑制，使得在下采样时保持整体平整性：

// 首先去除高频成分
cv::GaussianBlur(image,image,cv::Size(11,11),2.0);
// 只保留每4 个像素中的1 个
cv::Mat reduced(image.rows/4,image.cols/4,CV_8U);
for (int i=0; i<reduced.rows; i++)
for (int j=0; j<reduced.cols; j++)
  reduced.at<uchar>(i,j)= image.at<uchar>(i*4,j*4);
//也可以使用内置的方法
cv::Mat reducedImage; // 用于存储缩小后的图像
cv::pyrDown(image,reducedImage); // 图像尺寸缩小一半
// resize 
cv::Mat resizedImage; // 用于存储缩放后的图像
cv::resize(image, resizedImage,cv::Size(image.cols/4,image.rows/4)); // 行和列均缩小为原来的1/4
你也可以指定缩放比例。在参数中提供一个空的图像实例，然后提供缩放比例：
cv::resize(image, resizedImage,cv::Size(), 1.0/4.0, 1.0/4.0); // 缩小为原来的1/4

resize在计算插入点像素时，可以参考周围的像素进行计算，

3. 中值滤波器

中值滤波器函数的方法与调用其他滤波器差不多：

cv::medianBlur(image, result, 5);
// 最后一个参数是滤波器尺寸

中值滤波器有利于保留边缘的尖锐度，但它会洗去均质区域中的纹理（例如背景中的树木）。因为中值滤波器具有良好的视觉效果，因此照片编辑软件常用它创建特效。可用彩色图像来测试，看它如何生成类似卡通的图像，同理有取最大值，取最小值等等。

4. 用定向滤波器检测边缘

这些滤波器通过移除或减弱高频成分，取得模糊图像的效果。执行一种反向的变换，即放大图像中的高频成分，再使用高通滤波器进行边缘检测。

// 计算Sobel 滤波器的范数
cv::Sobel(image,sobelX,CV_16S,1,0);
cv::Sobel(image,sobelY,CV_16S,0,1);
cv::Mat sobel;
// 计算L1 范数
sobel= abs(sobelX)+abs(sobelY);
// 找到Sobel 最大值
double sobmin, sobmax;
cv::minMaxLoc(sobel,&sobmin,&sobmax);
// 转换成8 位图像
// sobelImage = -alpha*sobel + 255
cv::Mat sobelImage;
sobel.convertTo(sobelImage,CV_8U,-255./sobmax,255);

5. 计算拉普拉斯算子

拉普拉斯算子也是一种基于图像导数运算的高通线性滤波器，它通过计算二阶导数来度量图像函数的曲率。


与Sobel 算子相比，拉普拉斯算子在计算时可以使用更大的内核，并且对图像噪声更加敏感，因此是更理想的选择（除非要重点考虑计算效率）。因为这些更大的内核是用高斯函数的二阶导数计算的，因此这个算子也常称为高斯拉普拉斯算子（Laplacian of Gaussian，LoG）。注意，拉普拉斯算子内核的值的累加和总是0。这保证在强度值恒定的区域中，拉普拉斯算子将变为0。因为拉普拉斯算子度量的是图像函数的曲率，所以它在平坦区域中应该等于0。

// 计算拉普拉斯算子
cv::Laplacian(image,laplace,CV_32F,aperture);