若該文爲原創文章，未經允許不得轉載
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104514873
目錄
OpenCV開發專欄
《OpenCV開發筆記（〇）：使用mingw530_32編譯openCV3.4.1源碼，搭建Qt5.9.3的openCV開發環境》
《OpenCV開發筆記（三）：OpenCV圖像的概念和基本操作》
《OpenCV開發筆記（四）：OpenCV圖片和視頻數據的讀取與存儲》
《OpenCV開發筆記（五）：OpenCV讀取與操作攝像頭》
《OpenCV開發筆記（六）：OpenCV基礎數據結構、顏色轉換函數和顏色空間》
《OpenCV開發筆記（八）：OpenCV常用操作之計時、縮放、旋轉、鏡像》
《OpenCV開發筆記（九）：OpenCV區域圖像（ROI）和整體、局部圖像混合》
《OpenCV開發筆記（十）：OpenCV圖像顏色通道分離和圖像顏色多通道混合》
《OpenCV開發筆記（十一）：OpenCV編譯支持Gpu(cuda) 加速開發之win-qt-mingw32編譯》
《OpenCV開發筆記（十二）：OpenCV編譯支持Gpu(cuda) 加速開發之win-qt-msvc2015編譯(opencv3.4.0、cuda9.0、VS2015)》
《OpenCV開發筆記（十三）：OpenCV圖像對比度、亮度的調整》
《OpenCV開發筆記（十四）：算法基礎之線性濾波-方框濾波》
《OpenCV開發筆記（十五）：算法基礎之線性濾波-均值濾波》
《OpenCV開發筆記（十六）：算法基礎之線性濾波-高斯濾波》
《OpenCV開發筆記（十七）：算法基礎之線性濾波對比-方框、均值、高斯濾波》
《OpenCV開發筆記（十八）：算法基礎之非線性濾波-中值濾波》：待發布
《OpenCV開發筆記（十九）：算法基礎之非線性濾波-雙邊濾波》：待發布
《OpenCV開發筆記（二十）：算法基礎之形態學濾波-腐蝕》：待發布
《OpenCV開發筆記（二十一）：算法基礎之形態學濾波-膨脹》：待發布
《OpenCV開發筆記（二十二）：圖像銳化》：待發布
《OpenCV開發筆記（二十三）：圖像污點修復》：待發布
《OpenCV開發筆記（二十四）：旋轉文本圖像矯正》：待發布
持續補充中…
OpenCV開發筆記（十七）：算法基礎之線性濾波對比-方框、均值、高斯濾波
前言
前幾篇已經詳細研究三種線性濾波，但是對於線性濾波如何選擇，還是需要多種圖片嘗試。
三種線性濾波器比較
|
濾波器類型 |
基本原理 |
特點 |
|
方框濾波 |
使用模板內的像素進行卷積 |
|
|
均值濾波 |
使用模板內所有像素的平均值代替模板中心像素灰度值，均值濾波是方框濾波的一種特殊形式 |
易收到噪聲的干擾，不能完全消除噪聲，只能相對減弱噪聲 |
|
高斯濾波 |
高斯濾波是將輸入數組的每一個像素點與高斯內核進行卷積運算。對圖像鄰域內像素進行平滑時，鄰域內不同位置的像素被賦予不同的權值 |
對圖像進行平滑的同時，同時能夠更多的保留圖像的總體灰度分佈特徵 |
椒鹽噪聲
椒鹽噪聲也稱爲脈衝噪聲，是圖像中經常見到的一種噪聲，它是一種隨機出現的白點或者黑點，可能是亮的區域有黑色像素或是在暗的區域有白色像素（或是兩者皆有）。椒鹽噪聲的成因可能是影像訊號受到突如其來的強烈干擾而產生、類比數位轉換器或位元傳輸錯誤等。例如失效的感應器導致像素值爲最小值，飽和的感應器導致像素值爲最大值。
脈衝噪聲
脈衝噪聲（pulse noise）在通信中出現的離散型噪聲的統稱。它由時間上無規則出現的突發性干擾組成。
脈衝噪聲（impulsive noise）是非連續的，由持續時間短和幅度大的不規則脈衝或噪聲尖峯組成。產生脈衝噪聲的原因多種多樣，其中包括電磁干擾以及通信系統的故障和缺陷，也可能在通信系統的電氣開關和繼電器改變狀態時產生。
脈衝噪聲對模擬數據一般僅是小麻煩。但在數字式數據通信中，脈衝噪聲是出錯的主要原因。
脈衝噪聲，它的持續時間小於1秒、噪聲強度峯值比其均方根值大於10dB，而重複頻率又小於10Hz的間斷性噪聲。
脈衝噪聲：突然爆發又很快消失，舉個例子：持續時間≤0.5s，間隔時間>1s，聲壓有效值變化≥40dB（A）的噪聲。
（補充：針對噪聲，後續會專門寫文章對其進行綜合分析並進行處理，總結並歸納特點和處理方式還有對應的Demo演示）
Demo演示
分別加載了5不同類型的圖做線性濾波，其實差距看起來不是很大，有小點點的可能濾波效果會比較好，但是筆者眼拙沒看出很大的區別，但是對於突兀的噪點（椒鹽噪點）確實是效果還不錯，先濾波然後再銳化，應該就能去掉椒鹽噪點。
Demo源碼
void OpenCVManager::testBoxAndBlurAndGaussianBlurFilter()
{
QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
cv::Mat srcMat = cv::imread(fileName1.toStdString());
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
cv::resize(srcMat, srcMat, cv::Size(400, 300));
qDebug() << __FILE__ <<__LINE__ << srcMat.rows << srcMat.cols;
if(!srcMat.data)
{
qDebug() << __FILE__ << __LINE__
<< "Failed to load image:" << fileName1;
return;
}
cv::Mat dstMat;
dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 3, srcMat.rows * 3),
srcMat.type());
bool isBoxFilter = true;
int ksize = 3; // 核心大小
int anchor = -1; // 錨點, 正數的時候必須小於核心大小，即：-1 <= anchor < ksize
int ksize2 = 3; // 核心大小
int anchor2 = -1; // 錨點, 正數的時候必須小於核心大小，即：-1 <= anchor < ksize
int ksize3 = 3; // 核心大小
int sigmaX = 0; // x方向的標準偏差
int sigmaY = 0; // y方向的標準偏差
while(true)
{
windowMat = cv::Scalar(0, 0, 0);
cvui::window(windowMat, dstMat.cols, dstMat.rows * 0, dstMat.cols, dstMat.rows, "boxFilter settings");
cvui::window(windowMat, dstMat.cols, dstMat.rows * 1, dstMat.cols, dstMat.rows, "blurFilter settings");
cvui::window(windowMat, dstMat.cols, dstMat.rows * 2, dstMat.cols, dstMat.rows, "gaussianBlurFilter settings");
{
// 原圖先copy到左邊
cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat);
// 中間爲調整方框濾波參數的相關設置
// 是否方框濾波
cvui::checkbox(windowMat, 500, 60, "boxFilter", &isBoxFilter);
cvui::printf(windowMat, 500, 120, "ksize");
cvui::trackbar(windowMat, 500, 130, 200, &ksize, 1, 10);
if(anchor >= ksize)
{
anchor = ksize - 1;
}
cvui::printf(windowMat, 500, 180, "anchor");
cvui::trackbar(windowMat, 500, 190, 200, &anchor, -1, ksize-1);
// 方框濾波
cv::boxFilter(srcMat,
dstMat,
-1,
cv::Size(ksize, ksize),
cv::Point(anchor, anchor),
isBoxFilter);
// 效果圖copy到右邊
// 注意：rang從位置1到位置2，不是位置1+寬度
cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
}
{
// 原圖先copy到左邊
cv::Mat leftMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat);
// 中間爲調整濾波參數的相關設置
cvui::printf(windowMat, 500, 100 + 300, "ksize");
cvui::trackbar(windowMat, 500, 110 + 300, 200, &ksize2, 1, 10);
if(anchor2 >= ksize2)
{
anchor2 = ksize2 - 1;
}
cvui::printf(windowMat, 500, 160 + 300, "anchor");
cvui::trackbar(windowMat, 500, 170 + 300, 200, &anchor2, -1, ksize2-1);
// 均值濾波：方框濾波比均值濾波多了顏色深度的參數
cv::blur(srcMat,
dstMat,
cv::Size(ksize2, ksize2),
cv::Point(anchor2, anchor2));
// 效果圖copy到右邊
// 注意：rang從位置1到位置2，不是位置1+寬度
cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
}
{
// 原圖先copy到左邊
cv::Mat leftMat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat);
// 中間爲調整濾波參數的相關設置
cvui::printf(windowMat, 500, 60 + 600, "ksize = size * 2 + 1");
cvui::trackbar(windowMat, 500, 70 + 600, 200, &ksize3, 0, 10);
cvui::printf(windowMat, 500, 120 + 600, "sigmaX");
cvui::trackbar(windowMat, 500, 130 + 600, 200, &sigmaX, 0, 100);
cvui::printf(windowMat, 500, 180 + 600, "sigmaY");
cvui::trackbar(windowMat, 500, 190 + 600, 200, &sigmaY, 0, 100);
// 高斯濾波
cv::GaussianBlur(srcMat, dstMat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);
// 效果圖copy到右邊
// 注意：rang從位置1到位置2，不是位置1+寬度
cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
}
// 更新
cvui::update();
// 顯示
cv::imshow(windowName, windowMat);
// esc鍵退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板：對應版本號v1.12.0
對應版本號v1.12.0
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104514873