平滑
1. 简单模糊 / 均值滤波:
目标图像中每一个值都是源图像相应位置的核的平均值
均值滤波本身存在着固有的缺陷, 即它不能很好地保护图像细节, 在图像去噪的同时也破坏了图像的细节部分, 从而使图像变得模糊, 不能很好地去除噪声点. 特别是椒盐噪声
2. 中值滤波:
将源图像对应位置的核大小个像素进行排序, 得到中值, 最后将核矩阵的中心点赋值为这个中值.
椒盐噪声很好的被平滑, 而且也没均值那样模糊化太过于严重.
少量具有较大偏差的点会严重影响滤波结果
3. 高斯滤波
源图像对应位置的核中心为中心, 将核参数呈现二维高斯波形, 然后将核和源图像对应位置求卷积.
参考: https://www.cnblogs.com/charlee44/p/10592588.html
缺点: 破坏了边缘信息. 把边缘也模糊了
4. 双边滤波
https://blog.csdn.net/qq_36359022/article/details/80198890
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), 一般用高斯滤波去降噪, 会较明显地模糊边缘, 对于高频细节的保护效果并不明显.
openCV 接口
- void bilateralFilter( InputArray src,
- OutputArray dst,
- int d,// 像素邻域直径, 影响大, 5-9
- double sigmaColor, // 颜色空间滤波器, 越大, 包含的色彩越大, 不连续性更显著
- double sigmaSpace,// 坐标空间滤波器
- int borderType = BORDER_DEFAULT );
参考:
https://www.jianshu.com/p/8d11e26c9665
来源: http://www.bubuko.com/infodetail-3304963.html