图像Smoothing/Blurring

Smooth/Blurring是图片预处理的一种技术，这样可以减弱图片中突变点对后续处理的影响，像噪音这样的突变点是需要处理的；也可以降低图像的分辨率，因为图像变模糊了。这种技术相对于图像锐化，增强突变点。

1. 普通的smoothing

输出的像素为周围一定范围内的像素算数平均值；boxFilter是blur的一般形式，前者可以指定输出的深度，数据格式，比如：CV_32F

Simple Blur and the Box Filter

void cv::blur(

cv::InputArray src, // Input image

cv::OutputArray dst, // Result image

cv::Size ksize, // Kernel size

cv::Point anchor = cv::Point(-1,-1), // Location of anchor point

int borderType = cv::BORDER_DEFAULT // Border extrapolation to use

);

void cv::boxFilter(

cv::InputArray src, // Input image

cv::OutputArray dst, // Result image

int ddepth, // Output depth (e.g., CV_8U)

cv::Size ksize, // Kernel size

cv::Point anchor = cv::Point(-1,-1), // Location of anchor point

bool normalize = true, // If true, divide by box area

int borderType = cv::BORDER_DEFAULT // Border extrapolation to use

);

2.中值滤波/Median Filter

采用周围一定范围内像素值的中值作为输出；

中值和平均值没有必然的关系。中值是将所给的一组数从小到大或从大到小排列，奇数个数的话取中间的数字，偶数个数的话取中间两个数的平均数；而平均值就是把这组数相加，然后除以这组数的个数。

中值的优点是不受偏大或偏小数据的影响，很多情况下用它代表全体数据的一般水平更合适。如果数列中存在极端变量值，用中位数做代表值就比平均数更好

void cv::medianBlur(

cv::InputArray src, // Input image

cv::OutputArray dst, // Result image

cv::Size ksize // Kernel size

);

3.高斯滤波/Gaussian Filter

输出的像素是原像素与2D高斯函数模板进行卷积的结果；

2D高斯模板需要确定M、N，sigma（M:长，N：宽，sigma:标准差），python代码例子如下：M=5，N=5，sigma=0.6

******************************************************************************

import numpy as np

x, y = np.meshgrid(np.linspace(-2,2,5), np.linspace(-2,2,5))

sigma=0.6

coefficient=1/(2*np.pi*sigma**2)

value1=np.exp(-( x**2+y**2)/ ( 2.0 * sigma**2 )  )

g=coefficient*value1

******************************************************************************

void cv::GaussianBlur(

cv::InputArray src, // Input image

cv::OutputArray dst, // Result image

cv::Size ksize, // Kernel size

double sigmaX, // Gaussian half-width in x-direction

double sigmaY = 0.0, // Gaussian half-width in y-direction

int borderType = cv::BORDER_DEFAULT // Border extrapolation to use

);

4.双边滤波/bilateral filter

相对于高斯滤波，能够更好的保存边缘信息；

void cv::bilateralFilter(

cv::InputArray src, // Input image

cv::OutputArray dst, // Result image

int d, // Pixel neighborhood size (max distance)

double sigmaColor, // Width param for color weight function

double sigmaSpace, // Width param for spatial weight function

int borderType = cv::BORDER_DEFAULT // Border extrapolation to use

);