图像处理之均值滤波3

​

1 概述

均值滤波，是最简单的一种滤波操作，输出图像的每一个像素是核窗口内输入图像对应像素的平均值（所有像素加权系数相等），其实说白了它就是归一化后的方框滤波。我们在下文进行源码剖析时会发现，blur函数内部中其实就是调用了一下boxFilter。

下面开始讲均值滤波的内容吧。

2 均值滤波的理论简析

均值滤波是典型的线性滤波算法，主要方法为邻域平均法，即用一片图像区域的各个像素的均值来代替原图像中的各个像素值。一般需要在图像上对目标像素给出一个模板（内核），该模板包括了其周围的临近像素（比如以目标像素为中心的周围8（3x3—1）个像素，构成一个滤波模板，即去掉目标像素本身）。再用模板中的全体像素的平均值来代替原来像素值。即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度点g （x，y），即

其中m为该模板中包含当前像素在内的像素总个数。

3 均值滤波的缺陷

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。

4 均值滤波—blur函数

blur函数的作用是：对输入的图像src进行均值滤波后用dst输出。blur 函数在OpenCV 官方文档中，给出的其核是这样的：

这个内核一看就明了，就是在求均值，即blur函数封装的就是均值滤波。blur函数的原型如下。

• 第一个参数， InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片。但需要注意的是，待处理的图片深度应该为CV_8U、CV_16U、CV_16S、CV_32F 以及 CV_64F之一。
• 第二个参数， OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat：：Clone，以源图片为模板，来初始化得到如假包换的目标图。
• 第三个参数，Size类型（对Size类型稍后有讲解）的ksize，内核的大小。一般写作Size（w，h）来表示内核的大小（其中，w为像素宽度，h为像素高度）。Size（3，3）就表示3x3的核大小， Size（5，5）就表示5x5的核大小
• 第四个参数， Point类型的anchor，表示锚点（即被平滑的那个点），注意它有默认值Point（—1，—1）。如果这个点坐标是负值，就表示取核的中心为锚点，所以默认值Point（—1，—1）表示这个锚点在核的中心。
• 第五个参数， int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

5 示例

代码

//---------------------------------【头文件、命名空间包含部分】-------------------------------
//    描述：包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------
#include "opencv2/highgui/highgui.hpp" 
#include "opencv2/imgproc/imgproc.hpp" 
using namespace cv; 

//-----------------------------------【main( )函数】--------------------------------------------
//    描述：控制台应用程序的入口函数，我们的程序从这里开始
//---------------------------------------------------------------------------------------------
int main( )
{ 
  //【1】载入原始图
  Mat srcImage=imread("1.jpg"); 

  //【2】显示原始图
  imshow( "均值滤波【原图】", srcImage ); 

  //【3】进行均值滤波操作
  Mat dstImage; 
  blur( srcImage, dstImage, Size(7, 7)); 

  //【4】显示效果图
  imshow( "均值滤波【效果图】" ,dstImage ); 

  waitKey( 0 );     
}

原图

效果图

对比图