图像的平滑处理.docVIP

图像的平滑处理 ①简单模糊(CV_BLUR) 1 ②简单不带尺度变换的模糊(CV_BLUR_NO_SCALE)： 2 ③中值模糊(CV_MEDIAN) 2 ④高斯模糊(CV_GAUSSIAN) 2 ⑤双边滤波(CV_BILATERAL) 3 图像信号在产生、传输过程中，不可避免的会常常受到各种噪声的干扰，因此，现实中的图像都是带噪图像，一般在对图像进行图像分割、特征提取之前都会进行平滑处理。 一般来说，图像平滑主要是为了消除噪声，噪声并不限于人眼所能看的见的失真和变形，有些噪声只有在进行图像处理时才可以发现。blurring)，是一项简单且使用频率很高的图像处理方法。它的用途很多，但最常见的是用来减少图像上的噪声或者失真。目前OpenCV可以提供五种不同的平滑操作方法，每一种方法都有自己的特点与局限，而且所有操作都是由cvSmooth( )函数来实现，它可以将用户所期望的平滑方式作为参数，形式如下： cvSmooth(const CvArr* src，CvArr* dst，int smoothtype，int param1，int param2，double param3，double param4); src和dst分别是平滑操作的输入图像和结果；smoothtype是平滑操作的类型；而param1、param2、param3、param4的含义与平滑操作类型有关。图像的平滑操作主要有以下五种方法： ①简单模糊(CV_BLUR) 简单模糊支持1—4个图像通道，可以处理8位图像或32位浮点图像。它是对每个像素的param1* param2邻域求和，并做尺度变换1/(param1* param2)。 ②简单不带尺度变换的模糊(CV_BLUR_NO_SCALE)： 简单不带尺度变换的模糊在本质上和简单模糊是相同的，但它并没有计算平均值的操作。因此，输入图像和输出图像必须有不同的数值精度，才能保证模糊输出不会导致错误溢出。简单不带尺度变换的模糊支持8位的输入图像，结果图像的数据类型必须是CV_16S或CV_32S，也可以在32位浮点图像上进行，结果也是32位浮点图像。简单不带尺度变换的模糊比做尺度变换的模糊操作要快一些。 ③中值模糊(CV_MEDIAN) 中值模糊将中心像素的正方形领域内的每一个像素值用中间像素值替换，它支持单通道、3通道或4通道的8位图像。以平均算法为基础的简单模糊对噪声图像，尤其是有大的孤立点的图像特别敏感，即使只有很少数量的点存在较大差异也会导致平均值的波动，而中值滤波可以通过选择中间值来避免这些点的影响。 ④高斯模糊(CV_GAUSSIAN) 高斯滤波器是最有用的滤波器，它用卷积核与输入图像的每个点进行卷积，将最终计算结果之和作为输出图像的像素值。对于高斯模糊而言，param1和param2分别代表滤波器窗口的宽度和高度。参数param3对应高斯参数的标准差sigma值，但是如果第三个参数没有指定，系统会自动根据式(1)和式(2)确定高斯核的参数[9]。如果用户希望高斯核不对称，可以引入第四个参数param4，此时param3和param4就分别代表水平方向和垂直方向的sigma值。 (1) (2) 同样的，如果param3和param4已给出，而param1和param2被设置为0，那么窗口尺寸也会根据sigma值自动确定。高斯模糊支持单通道或3通道的8位或32位浮点图像。 ⑤双边滤波(CV_BILATERAL) 双边滤波是“边缘保留滤波”的图像分析方法的一种。高斯滤波在保留信号的条件下减小噪声，但这种方法在接近边缘处就无效了，因此，高斯滤波会磨平边缘。双边滤波能提供一种不会将边缘平滑掉的方法，但它需要更多的处理时间。 双边滤波会依据每个像素及其邻域构造一个加权平均值，加权计算包括两个部分：第一部分的加权方式与高斯平滑中相同；第二部分也属于高斯加权，但不是基于中心像素点与其他像素点空间距离上的加权，而是基于其他像素与中心像素的亮度差值的加权。双边滤波的典型效果是使处理过的图像看上去像是一幅原图的水彩画，可用于图像的分割。 双边滤波有两个参数：第一个代表空域中所使用的高斯核的宽度，与高斯模糊的sigma类似；第二个参数代表颜色域内高斯核的宽度。第二个参数越大，也就表明待滤波的强度（或颜色）范围越大。 图1是对噪声图像进行五种平滑操作后的结果： (a) 原始图像 (b) 简单模糊 (c) 简单不带尺度变换的模糊 (d) 高斯模糊 (e) 中值模糊 (f) 双边滤波 图1 对同一图像五种不同平滑操