非线性滤波:中值滤波 双边滤波

【OpenCV入门教程之九】 非线性滤波专场:中值滤波、双边滤波

一、非线性滤波概述

线性滤波器:两个信号之和的响应和他们各自响应之和相等。换句话说,每个像素的输出值是一些输入像素的加权和,线性滤波器易于构造,并且易于从频率响应角度来进行分析。

其实在很多情况下,使用邻域像素的非线性滤波也许会得到更好的效果。比如在噪声是散粒噪声而不是高斯噪声,即图像偶尔会出现很大的值的时候。在这种情况下,用高斯滤波器对图像进行模糊的话,噪声像素是不会被去除的,它们只是转换为更为柔和但仍然可见的散粒。

二、中值滤波

中值滤波(Median filter)是一种典型的非线性滤波技术,基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值,该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节

2.1 中值滤波与均值滤波器比较

优势:在均值滤波器中,由于噪声成分被放入平均计算中,所以输出受到了噪声的影响,但是在中值滤波器中,由于噪声成分很难选上,所以几乎不会影响到输出。因此同样用3x3区域进行处理,中值滤波消除的噪声能力更胜一筹。**中值滤波无论是在消除噪声还是保存边缘方面都是一个不错的方法。 **

劣势:中值滤波花费的时间是均值滤波的5倍以上。一个求平均值,一个排序。

中值滤波在一定条件下,可以克服线性滤波器(如均值滤波等)所带来的图像细节模糊,而且对滤除脉冲干扰即图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性,也给计算带来不少方便。但是对一些细节多,特别是线、尖顶等细节多的图像不宜采用中值滤波。

2.2 medianBlur 函数

void medianBlur( InputArray src, OutputArray dst, int ksize );
  • int ksize 必须为奇数

2.3 实例

核心代码

medianBlur(src, dst, ksize);
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>

using namespace cv;
using namespace std;

// trackbar要求是整数
int ksize = 5;

Mat src;
Mat dst;

static void onKSizeChange(int, void *) {
    if (ksize % 2 == 0) ksize++; // 保证为奇数
    cout << ksize << endl;
    medianBlur(src, dst, ksize);
    imshow("中值滤波", dst);
}


int main() {

    src = imread("../pics/me.jpg");

    namedWindow("原图");
    imshow("原图", src);

    namedWindow("中值滤波");

    createTrackbar("ksize", "中值滤波", &ksize, 100, onKSizeChange);
    onKSizeChange(ksize, 0);

    waitKey(0);
}

ksize = 5

ksize = 5

ksize = 17

ksize = 17

ksize = 45

ksize = 45

ksize = 99

ksize = 99

三、双边滤波

3.1 概念

双边滤波(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。具有简单、非迭代、局部的特点。

双边滤波器的好处是可以做边缘保存(edge preserving),一般过去用的维纳滤波或者高斯滤波去降噪,都会较明显地模糊边缘,对于高频细节的保护效果并不明显。

双边滤波器顾名思义比高斯滤波多了一个高斯方差,它是基于空间分布的高斯滤波函数,所以在边缘附近,离的较远的像素不会太多影响到边缘上的像素值,这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息,对于彩色图像里的高频噪声,双边滤波器不能够干净的滤掉,只能够对于低频信息进行较好的滤波。

在双边滤波器中,输出像素的值依赖于邻域像素值的加权值组合:


  • i, j 表示行列
  • k, l 表示邻域的大小
  • g(i, j) 表示输出像素
  • f(k, l) 表示像素(i, j)附近的点,邻域内的点

而加权系数w(i,j,k,l)取决于 定义域核值域核 的乘积。

其中 定义域核 表示如下:

定义域滤波对应图示:

值域核 表示为:

值域滤波对应图示:

两者相乘后,就会产生依赖于数据的双边滤波权重函数:

3.2 bilateralFilter 函数

void bilateralFilter( InputArray src, OutputArray dst, int d,
                      double sigmaColor, double sigmaSpace,
                      int borderType = BORDER_DEFAULT );
  • int d表示在过滤过程中每个像素邻域的直径。如果这个值我们设其为非正数,那么OpenCV会从第五个参数 sigmaSpace 来计算出它来。
  • double sigmaColor颜色空间滤波器的sigma值。数值越大,就表明该像素邻域内有更宽广的颜色会被混合到一起,产生较大的半相等颜色区域。
  • double sigmaSpace坐标空间中滤波器的sigma值,坐标空间的标注方差。数值越大,意味着越远的像素会相互影响,从而使更大的区域足够相似的颜色获取相同的颜色。当d>0,d指定了邻域大小且与sigmaSpace无关。否则,d正比于sigmaSpace。

3.3 实例

核心代码

bilateralFilter(src, dst, d, sigmaColor, sigmaSpace);
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

using namespace cv;

// trackbar要求是整数
int d = 25;
int sigmaColor = 50;
int sigmaSpace = 12;

Mat src;
Mat dst;

static void onNeighborhoodChange(int, void *) {
    bilateralFilter(src, dst, d, sigmaColor, sigmaSpace);
    imshow("双边滤波", dst);
}

static void onsigmaColorChange(int, void *) {
    bilateralFilter(src, dst, d, sigmaColor, sigmaSpace);
    imshow("双边滤波", dst);
}

static void onsigmaSpaceChange(int, void *) {
    bilateralFilter(src, dst, d, sigmaColor, sigmaSpace);
    imshow("双边滤波", dst);
}


int main() {

    src = imread("../pics/me.jpg");

    namedWindow("原图");
    imshow("原图", src);

    namedWindow("双边滤波");

    createTrackbar("邻域直径", "双边滤波", &d, 100, onNeighborhoodChange);
    onNeighborhoodChange(d, 0);

    createTrackbar("sigmaColor", "双边滤波", &sigmaColor, 100, onsigmaColorChange);
    onsigmaColorChange(sigmaColor, 0);

    createTrackbar("sigmaSpace", "双边滤波", &sigmaSpace, 100, onsigmaSpaceChange);
    onsigmaSpaceChange(sigmaSpace, 0);

    waitKey(0);
}

通过调整3个参数,发现 dsigmaColor 对图像影响最大。

  • d 越大图像整个越模糊,脸上的黑点会渐渐消失,就像去掉椒噪声
  • sigmaColor 越大图像更广的颜色混合在一起,图像看起来更柔和,像蒙上了一层薄纱,没有尖锐的颜色变化。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249

推荐阅读更多精彩内容

  • 不同图像灰度不同,边界处一般会有明显的边缘,利用此特征可以分割图像。需要说明的是:边缘和物体间的边界并不等同,边缘...
    大川无敌阅读 13,587评论 0 29
  • http://blog.csdn.net/x454045816/article/details/52153250 ...
    G风阅读 6,797评论 0 1
  • 【OpenCV入门教程之八】线性邻域滤波专场:方框滤波、均值滤波与高斯滤波 目录 平滑(模糊)处理 图像滤波与滤波...
    谢小帅阅读 1,564评论 0 0
  • 参考资料: 图像卷积与滤波的一些知识点 图像处理基本概念——卷积,滤波,平滑 1.卷积的基本概念 首先,我们有一个...
    keloli阅读 9,788评论 0 26
  • 图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏...
    木夜溯阅读 2,994评论 0 10