一、均值滤波

1.1 均值滤波的原理

  均值滤波用到的是图像卷积原理。由下图所示，卷积核为三阶单位矩阵时，进行均值滤波，原图像的每个三阶子矩阵都会求其均值，并将均值赋给中间的元素。

  以左上角为例：
（$A_{11}$·1+$A_{12}$·1+$A_{13}$·1+
 $A_{21}$·1+$A_{22}$·1+$A_{23}$·1+
 $A_{31}$·1+$A_{32}$·1+$A_{33}$·1 ）/ 9 ->$A_{22}$

1.2 OpenCV中的均值滤波

  在OpenCV/C++中，提供了blur函数用于实现上述的均值滤波操作：

1
2
3
4
5
6
7
void blur(
	InputArray 	src,						//输入图像
	OutputArray dst,						//输出图像
	Size 		ksize,						//卷积核Size类型
	Point 		anchor=Point(-1,-1),		//Point类型的锚点（-1表示锚点在核中心）
	int 		borderType=BORDER_DEFAULT	//边界模式
)

  其中 Size(w, h)来表示内核的大小，w 为像素宽度，h为像素高度。

  根据上面的 blur() 函数的定义，可以写出均值滤波的测试代码。

1
2
3
4
5
void MyDemo::blur_Demo(Mat& image) {
	Mat dst;
	blur(image, dst, Size(10, 10), Point(-1, -1));
	imshow("Blur", dst);
}

  下图是卷积核为 Size(10,10) 的效果。

  下图为卷积核为 Size(1,15) 的效果。

二、高斯模糊

  有时候我们并不希望模糊处理时卷积核的系数都一样。而高斯模糊就是用于解决这类问题的一个方法。高斯模糊产生的系数在中心最大，离中心越远系数越小。

1
2
3
4
5
6
7
8
void cv::GaussianBlur(
	InputArray 	src,		//输入图片，可以使是任意通道数，该函数对通道是独立处理的
	OutputArray dst,		//输出图片
	Size 		ksize,		//高斯内核大小
	double 		sigmaX,		//高斯内核在X方向的标准偏差
	double 		sigmaY,		//高斯内核在Y方向的标准偏差
	int 		borderType	//判断图像边界的模式
)

其中ksize的行数和列数允许不相同，但必须是正奇数。
如果sigmaY为0，他将和sigmaX的值相同，如果他们都为0，那么他们由ksize的行数列数计算得出。

示例程序：

1
2
3
4
5
6
void MyDemo::gaussianBlur_Demo(Mat& image) {
	Mat dst;
	GaussianBlur(image, dst, Size(5, 5), 15);
	imshow("GaussianBlur", dst);
}