Opencv学习笔记各向异性滤波/均值滤波/高斯滤波/中值滤波/加权中值滤波/高斯低通滤波

各向异性滤波

各向异性扩散滤波主要是用来平滑图像的，克服了高斯模糊的缺陷，各向异性扩散在平滑图像时是保留图像边缘的，和双边滤波很像。

public static void ImageAnisotropicGaussianBlur(Mat src)
{int N = 10;Mat[] mv = new Mat[3];Mat[] results = new Mat[3];Cv2.Split(src, out mv);for (int n = 0; n < mv.Count(); n++){Mat m = Mat.Zeros(src.Size(), MatType.CV_32FC1);mv[n].ConvertTo(m, MatType.CV_32FC1);results[n] = m;}int w = src.Cols;int h = src.Rows;Mat copy = Mat.Zeros(src.Size(), MatType.CV_32FC1);for (int i = 0; i < N; i++){anisotropy_demo(results[0], copy);copy.CopyTo(results[0]);anisotropy_demo(results[1], copy);copy.CopyTo(results[1]);anisotropy_demo(results[2], copy);copy.CopyTo(results[2]);}Mat output;Cv2.Normalize(results[0], results[0], 0, 255, NormTypes.MinMax);Cv2.Normalize(results[1], results[1], 0, 255, NormTypes.MinMax);Cv2.Normalize(results[2], results[2], 0, 255, NormTypes.MinMax);results[0].ConvertTo(mv[0], MatType.CV_8UC1);results[1].ConvertTo(mv[1], MatType.CV_8UC1);results[2].ConvertTo(mv[2], MatType.CV_8UC1);Mat dst = new Mat();Cv2.Merge(mv, dst);Cv2.ImShow("result", dst);
}public static void anisotropy_demo(Mat image, Mat result)
{float k = 15;float lambda = 0.25f;int width = image.Cols;int height = image.Rows;// 四邻域梯度float n = 0, s = 0, e = 0, w = 0;// 四邻域系数float nc = 0, sc = 0, ec = 0, wc = 0;float k2 = k * k;for (int row = 1; row < height - 1; row++){for (int col = 1; col < width - 1; col++){// gradientn = image.At<float>(row - 1, col) - image.At<float>(row, col);s = image.At<float>(row + 1, col) - image.At<float>(row, col);e = image.At<float>(row, col - 1) - image.At<float>(row, col);w = image.At<float>(row, col + 1) - image.At<float>(row, col);nc = (float)Math.Exp(-n * n / k2);sc = (float)Math.Exp(-s * s / k2);ec = (float)Math.Exp(-e * e / k2);wc = (float)Math.Exp(-w * w / k2);result.Set<float>(row, col, image.At<float>(row, col) + lambda * (n * nc + s * sc + e * ec + w * wc));}}
}

均值滤波

Cv2.Blur(src, dst, ksize);

高斯滤波

Cv2.GaussianBlur(src, dst, new Size(3, 3), 0);

加权中值滤波

OpenCvSharp.XImgProc.CvXImgProc.WeightedMedianFilter(src, mat, dst, 55, 55);

中值滤波

中值滤波是取卷积计算的中间值，中值滤波的好处是对图像的椒盐噪声有很好的抑制作用，因为图像的椒盐噪点，是图像某一片区域像素的极大值或者极小值，使用中值滤波可以过滤掉这些噪点。

Cv2.MedianBlur(src, dst, ksize);

高斯低通滤波

高斯函数由于在时域和频域其都是正态分布，所以可以做为滤波器。图像的高频信息一般代表图像的细节信息（边缘信息），所以低通滤波器一般是将图像变得更加模糊。高斯低通滤波有频域和时域；在用作光滑图像上，可以卷积，可以相乘。高斯滤波器宽度(决定着平滑程度)是由参数σ表征的，而且σ和平滑程度的关系是非常简单的。σ越大，高斯滤波器的频带就越宽，平滑程度就越好。

//构造kernel
Mat mx = Cv2.GetGaussianKernel(x, x);
Mat my = Cv2.GetGaussianKernel(y, y);
Mat dst = new Mat();
mat.CopyTo(dst);for (int i = 0; i < count; i++)
{Cv2.SepFilter2D(dst, dst, mat.Type(), mx, my);
}

双边滤波

双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布。

public static Bitmap denoising(Bitmap bitmap, int d) {Bitmap result = Bitmap.createBitmap(bitmap.getWidth(), bitmap.getHeight(), Bitmap.Config.RGB_565);Mat origin = new Mat();Mat gray = new Mat();Mat bf = new Mat();Mat out = new Mat();Utils.bitmapToMat(bitmap, origin);Imgproc.cvtColor(origin, gray, Imgproc.COLOR_RGB2GRAY);// 去燥Imgproc.bilateralFilter(gray, bf, d, (double) (d * 2), (double) (d / 2));Imgproc.adaptiveThreshold(bf, out, 255.0D, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 25, 10.0D);Utils.matToBitmap(out, result);origin.release();gray.release();bf.release();out.release();return result;
}

Sigma平滑滤波器

参考网址

Win8 Metro(C#)数字图像处理--2.71Sigma平滑滤波器_Trent1985的专栏-CSDN博客_sigma滤波器[算法说明] Sigma平滑滤波器是构造一个模板，比如3*3大小的模板，计算这个模板对应的像素的标准差d，然后根据统计学原理，得到一个置信区间v，假设3*3模板中心像素为p，则v大小范围为[p-d,p+d]。我们判断3*3模板中对应像素是否落在置信区间v内，对于在v内的像素，我们求取他们的均值，然后，当前模板对应的中心像素的滤波值就等于这个均值。图像表示如下：https://blog.csdn.net/trent1985/article/details/45312333

最值滤波器

参考网址

图像处理滤波器(四)——最值滤波器(Conservative Smoothing Filter)_lj695242104的专栏-CSDN博客_极值滤波描述：之所以我把它翻译成最值滤波器，因为它的原理就是在卷积核区域内，中心点的值如果大于或小于附近值的最大值或最小值时，将大于最大值的赋值为最大值，将小于最小值的赋值为最小值，这就是Conservative Smoothing Filter如下图所示：这上面的图表明中间点150要换成127，简单点讲就是大于最大值的等于最大值，小于最小值的等于最小值，在最小值和https://blog.csdn.net/lj695242104/article/details/7299389

低通、高通、带阻和带通滤波器

数字图像处理低通、高通、带阻和带通滤波器_bashendixie5的博客-CSDN博客_数字图像处理高通滤波和低通滤波空间域和频域滤波器通常分为四种类型的滤波器——低通、高通、带阻和带通滤波器。低通滤波器：只允许通过低频细节，衰减高频细节。示例：平滑过滤器。高通滤波器：只允许通过高频细节，衰减低频细节。示例：锐化蒙版过滤器。带阻滤波器：衰减一定频率范围内的信号。允许低于某个阈值和高于另一个阈值的频率通过。带通滤波器：只允许特定频带内的信号通过，衰减低于阈值和高于另一个阈值的频率通过。https://skydance.blog.csdn.net/article/details/124477680