机器视觉-6 检测原理之预处理（滤波）

OpenCV 中的滤波是一种用于图像处理的常用技术，主要用于去噪、平滑、边缘检测、增强图像特征等操作。滤波的基本思想是通过卷积操作，将图像中每个像素与其周围像素值按照一定的权重关系进行组合，从而获得新的像素值。下面我将详细介绍 OpenCV 中常用的几种滤波方法。

1. 平均滤波 (Averaging Filter)

平均滤波是一种简单的线性滤波方法，通常用于平滑图像，减少图像噪声。它通过对滤波窗口内的所有像素取平均值来替换中心像素值，适合快速平滑处理，但容易模糊图像中的细节和边缘。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {// 读取图像Mat image = imread("image.jpg");// 检查图像是否成功加载if (image.empty()) {return -1;}// 使用平均滤波Mat blurred_image;blur(image, blurred_image, Size(5, 5)); // Size(5, 5)表示滤波核的大小// 显示结果imshow("Original Image", image);imshow("Average Filter", blurred_image);waitKey(0);return 0;
}

主要参数：

Size(5, 5)：滤波核的大小，数值越大，平滑效果越明显，但图像细节损失越多。
blur()：这是 OpenCV 中用于平均滤波的函数。

2. 高斯滤波 (Gaussian Filter)

高斯滤波是一种权重滤波器，利用高斯函数生成的权重矩阵进行卷积操作。它在去噪的同时，保留了部分图像的边缘信息，因此是去除高斯噪声的常用方法。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 使用高斯滤波Mat gaussian_blurred;GaussianBlur(image, gaussian_blurred, Size(5, 5), 1.5); // Size(5, 5)是滤波核大小, 1.5是sigmaX值imshow("Original Image", image);imshow("Gaussian Filter", gaussian_blurred);waitKey(0);return 0;
}

主要参数：

Size(5, 5)：高斯核的大小。
sigmaX：高斯核的标准差，影响平滑程度，值越大平滑效果越强。
GaussianBlur()：高斯滤波函数。

3. 中值滤波 (Median Filter)

中值滤波是一种非线性滤波方法，通常用于去除图像中的椒盐噪声。它通过对滤波窗口中的像素值排序，选取中间值作为中心像素的新的像素值，可以很好地保护图像的边缘。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 使用中值滤波Mat median_blurred;medianBlur(image, median_blurred, 5); // 5是滤波核的大小（必须是奇数）imshow("Original Image", image);imshow("Median Filter", median_blurred);waitKey(0);return 0;
}

主要参数：

5：中值滤波的核大小，必须是奇数。
medianBlur()：OpenCV 中用于中值滤波的函数。

4. 双边滤波 (Bilateral Filter)

双边滤波是一种可以同时平滑图像并保留边缘细节的滤波器。它通过考虑空间距离和像素值差异来加权邻域像素，因此在平滑区域内部噪声的同时，能有效地保留边缘。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 使用双边滤波Mat bilateral_filtered;bilateralFilter(image, bilateral_filtered, 9, 75, 75); // d是邻域直径, sigmaColor和sigmaSpace控制平滑程度imshow("Original Image", image);imshow("Bilateral Filter", bilateral_filtered);waitKey(0);return 0;
}

主要参数：

d：表示滤波时使用的邻域直径，如果为负值则根据 sigmaSpace 自动计算。
sigmaColor：控制颜色差异的权重，值越大可以使更多的颜色相似像素被平滑。
sigmaSpace：控制空间距离的权重，值越大可以使较远的像素影响滤波结果。
bilateralFilter()：双边滤波函数。

5. 自定义滤波 (Custom Filtering)

通过自定义卷积核，可以实现各种特定的滤波操作。OpenCV 提供了 filter2D() 函数，可以用来对图像应用自定义的卷积核，比如图像锐化、边缘检测等。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 定义一个锐化卷积核Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0,-1, 5, -1,0, -1, 0);// 使用自定义卷积核进行滤波Mat sharpened_image;filter2D(image, sharpened_image, -1, kernel);imshow("Original Image", image);imshow("Sharpened Image", sharpened_image);waitKey(0);return 0;
}