文章目录
一、滤波的分类
1.线性滤波
均值滤波（cv::blur）
作用：用邻域内像素的均值来代替中心像素，平滑图像，去除噪声。缺点是模糊明显，边缘不清晰。
函数原型：
cpp
void cv::blur(InputArray src, OutputArray dst, Size ksize, Point anchor = Point(-1,-1), int borderType = BORDER_DEFAULT);参数：
- src: 输入图像。
- dst: 输出图像。
- ksize: 滤波核大小，如 Size(3,3)。
- anchor: 锚点（默认中心）。
- borderType: 边界处理方式。
示例：
cpp
cv::Mat img = cv::imread("lena.jpg");
cv::Mat result;
cv::blur(img, result, cv::Size(5,5));高斯滤波（cv::GaussianBlur）
作用：高斯加权平均，邻域内越靠近中心的像素权重越大，常用于图像去噪。优点是保留更多边缘信息，效果比均值滤波更自然。
函数原型：
cpp
void cv::GaussianBlur(InputArray src, OutputArray dst, Size ksize,
double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT);参数：
- ksize: 高斯核大小（必须为奇数）。
- sigmaX: X方向标准差。
sigmaY: Y方向标准差（默认 0，即与 sigmaX 相同）。
示例：
cpp
cv::GaussianBlur(src, dst, cv::Size(5, 5), 1.5);方框滤波（cv::boxFilter）
作用：类似均值滤波，但可以选择是否进行归一化。
函数原型：
cpp
void cv::boxFilter(InputArray src, OutputArray dst, int ddepth, Size ksize,
Point anchor = Point(-1,-1), bool normalize = true, int borderType = BORDER_DEFAULT);区别：
- normalize = true → 等价于均值滤波。
- normalize = false → 卷积核全为 1，不做均值，输出像素值可能变大。
示例：
cpp
cv::boxFilter(img, result, -1, cv::Size(5,5), cv::Point(-1,-1), true);2. 非线性滤波
中值滤波（cv::medianBlur）
作用：用邻域内像素的中值替代中心像素，特别适合去除椒盐噪声。
函数原型：
cpp
void cv::medianBlur(InputArray src, OutputArray dst, int ksize);参数：
- ksize: 滤波核大小（必须为奇数，如 3、5、7）。
示例：
cpp
cv::medianBlur(src, dst, 5);双边滤波（cv::bilateralFilter）
作用：同时考虑空间距离和像素差异，既能平滑噪声，又能保持边缘。
函数原型：
cpp
void cv::bilateralFilter(InputArray src, OutputArray dst, int d,
double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT);参数：
- d: 邻域直径（像素数，推荐 5~15）。
- sigmaColor: 颜色空间标准差（越大越模糊）。
- sigmaSpace: 坐标空间标准差（越大越模糊）。
示例：
cpp
cv::bilateralFilter(img, result, 9, 75, 75);自定义滤波（cv::filter2D）
作用：用自定义的卷积核对图像进行滤波（如锐化、边缘检测）。
函数原型：
cpp
void cv::filter2D(InputArray src, OutputArray dst, int ddepth,
InputArray kernel, Point anchor = Point(-1,-1), double delta = 0,
int borderType = BORDER_DEFAULT);示例：
cpp
cv::Mat kernel = (cv::Mat_<float>(3,3) <<
-1, -1, -1,
-1, 8, -1,
-1, -1, -1);
cv::filter2D(src, dst, -1, kernel);二、示例代码
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
// 辅助函数：在图像上添加标题
Mat addTitle(const Mat& img, const string& title) {
Mat dst;
img.copyTo(dst);
putText(dst, title, Point(10, 30), FONT_HERSHEY_SIMPLEX,
1.0, Scalar(0, 0, 255), 2); // 红色文字
return dst;
}
int main() {
// 读取图像
Mat src = imread("opencv_demo.png");
if (src.empty()) {
cout << "无法读取图片！" << endl;
return -1;
}
// 调整大小，保证拼接时统一尺寸
Mat src_resized;
resize(src, src_resized, Size(300, 300));
// 各种滤波结果
Mat blurImg, gaussianImg, medianImg, bilateralImg, sharpenImg;
// 均值滤波
blur(src_resized, blurImg, Size(5, 5));
// 高斯滤波
GaussianBlur(src_resized, gaussianImg, Size(5, 5), 1.5);
// 中值滤波
medianBlur(src_resized, medianImg, 5);
// 双边滤波
bilateralFilter(src_resized, bilateralImg, 9, 75, 75);
// 锐化滤波 (自定义卷积核)
Mat kernel = (Mat_<float>(3, 3) <<
0, -1, 0,
-1, 5, -1,
0, -1, 0);
filter2D(src_resized, sharpenImg, -1, kernel);
// 加标题
Mat img1 = addTitle(src_resized, "Original");
Mat img2 = addTitle(blurImg, "Mean Blur");
Mat img3 = addTitle(gaussianImg, "Gaussian Blur");
Mat img4 = addTitle(medianImg, "Median Blur");
Mat img5 = addTitle(bilateralImg, "Bilateral Filter");
Mat img6 = addTitle(sharpenImg, "Sharpen");
// 第一行 (原图 + 均值 + 高斯)
Mat topRow;
hconcat(vector<Mat>{img1, img2, img3}, topRow);
// 第二行 (中值 + 双边 + 锐化)
Mat bottomRow;
hconcat(vector<Mat>{img4, img5, img6}, bottomRow);
// 拼成 2x3 大图
Mat finalShow;
vconcat(topRow, bottomRow, finalShow);
imshow("滤波对比", finalShow);
waitKey(0);
return 0;
}输出结果如下：
