图像平滑/滤波

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