滤波实际上是信号处理里的一个概念，而图像本身也可以看成是一个二维的信号。其中像素点灰度值的高低代表信号的强弱。
高频：图像中灰度变化剧烈的点。
低频：图像中平坦的，灰度变化不大的点。
根据图像的高频与低频的特征，我们可以设计相应的高通与低通滤波器，高通滤波可以检测图像中尖锐、变化明显的地方；低通滤波可以让图像变得光滑，滤除图像中的噪声。
下面我们来看一下OpenCV中的一些滤波函数：
一、低通滤波
1，blur函数
这个函数是一个平滑图像的函数，它用一个点邻域内像素的平均灰度值来代替该点的灰度。
cv::blur(image,result,cv::Size(5,5));
2，高斯模糊
上面的blur的平滑原理是用邻域内的平均值来代替当前的灰度值，但是我们往往希望越靠近该像素的点提供越高的权重，这样就产生了高斯模糊滤波。它的滤波器或者叫遮罩是一个高斯分布的二维矩阵。
cv::GaussianBlur(image,result,cv::Size(5,5),1.5);
参数image为输入图像，result为输出图像，Size(5,5)定义了核的大小，最后一个参数说明了高斯核的方差。
3，中值滤波
上面讲到的2个滤波器，都是邻域内的像素按照一个权重相加最后设置为当前点的灰度值，这种操作又称为卷积，这样的滤波器叫线性滤波器，另外还有一种非线性的滤波器，比如中值滤波器，它是取邻域内所有像素的中值作为当前点的灰度值。
中值即排序后中间的那个值：median({1,2,3,3,7,5,1,8})=3。
cv::medianBlur(image,result,5);
其中最后一个参数指定了邻域的大小为5*5。中值滤波也是在实际中应用最多的平滑滤波，它可以有效的去除比如椒盐噪声一类的干扰。
下面我们对比一下上面三种滤波器的效果：
#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> int main() { using namespace cv; Mat image=imread("../cat.png"); cvtColor(image,image,CV_BGR2GRAY); Mat blurResult; Mat gaussianResult; Mat medianResult; blur(image,blurResult,Size(5,5)); GaussianBlur(image,gaussianResult,Size(5,5),1.5); medianBlur(image,medianResult,5); namedWindow("blur");imshow("blur",blurResult); namedWindow("Gaussianblur");imshow("Gaussianblur",gaussianResult); namedWindow("medianBlur");imshow("medianBlur",medianResult); waitKey(); return 0; }
除特别注明外，本站所有文章均为 赢咖4注册 原创，转载请注明出处来自OpenCV成长之路(7)：图像滤波
