OpenCV图像滤波(Image Filtering)常用函数及其用法详解

本文主要是介绍OpenCV图像滤波(Image Filtering)常用函数及其用法详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在设计信号调理电路时通常得设计滤波电路，滤波电路的作用一般时过滤掉噪声或者不需要的信号。在做图像处理时，也会遇到图像噪声问题，如椒盐噪声。有时需要将图像噪声处理掉，这就是所说的图像滤波。OpenCV有多个图像滤波函数，常用的有：boxFilter，filter2D，blur，bilateralFilter，GaussianBlur，medianBlur。图像滤波的实质是通过卷积运算使得图像平滑(Smooth),同时也会使图像变得更模糊(blur),有时图像滤波又被叫做图像模糊.下面逐一介绍这几个函数及其用法。

boxFilter函数

boxfilter函数的原型如下:

这个函数使图像平滑(Smooth)使用这样的核:

这里

boxfilter函数参数:

src 输入图像

dst 输出图像(与输入图像同样类型,同样大小)

ddepth 输出图像深度(-1表示与输入图像相同的图像深度)

ksize 模糊处理所用核的大小

anchor 锚点((-1,-1)代表锚点为核的中心)

normalize 指定内核是否按其区域归一化的标志。

borderType 用于推断图像外部的像素的边框模式.有一下几种,红框中的模式不支持.

boxfilter 应用场景

图像平滑：boxFilter可以用于平滑图像，减少图像中的噪声和细节，使得图像看起来更加柔和。这在一些需要降低图像复杂度的应用中非常有用，如图像预处理、特征提取等。
图像去噪：通过平滑处理，boxFilter可以有效地去除图像中的随机噪声，尤其是那些分布在图像各个区域的均匀噪声。然而，左对齐对于椒盐噪声等非均匀分布的噪声，可能需要采用其他去噪方法。
图像预处理：在进行图像分割、边缘检测等高级图像处理任务之前，通常需要对图像进行预处理，以减少噪声和细节对处理结果的影响。boxFilter可以作为这种预处理步骤之一。
特征提取：在一些特征提取算法中，如Haar特征提取，boxFilter可以用于计算图像区域的积分特性，进而提取出有用的特征信息。
计算图像的其他统计特性：通过调整normalize参数和边界处理方式，boxFilter还可以用于计算图像的其他统计特性，如方差、协方差等，为后续的图像处理和分析提供有用的信息。

用法示例

下面以一个实例来演示其用法,新建一个控制台程序，其代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);imshow("Dst", dst);waitKey(0);return 0;
}

看下试运行效果。试运行，结果如下：

可以看出，平滑程度略有改善，结果并不明显。

如果将mormolize选项设为false，结果又会如何？修改代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

说明将mormolize选项设为false，将会导致运算溢出。

如果不改变核的大小，改变boxfilter的次数结果会如何？修改代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

可以看出，如果不改变核的大小，增加boxFilter的次数，不会明显改变图像的平滑效果。

下面改变核的大小，修改代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);/*for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}*/boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

可以看出，增大核的size可明显改善平滑效果。

filter2D函数

filter2D函数的原型如下：

该函数用卷积核对图像进行卷积运算。将任意线性滤波器应用于图像。支持就地操作。当孔径部分位于图像之外时，该函数根据指定的边界模式插值异常像素值。该函数实际上计算相关性，而不是卷积：

ilter2D函数的参数：

src 输入图像

dst输出图像

kernel 用以运算的核

anchor 卷积核的锚点，缺省值是Point(-1,1)，卷积核的中心。

delta 在将过滤像素存储到 dst 之前添加到过滤像素的可选值

borderType 像素外推法。与boxfilter的一致。

OpenCV的filter2D函数是一个非常强大的工具，它允许你对图像应用自定义的卷积核（kernel）。这个函数在图像处理中非常有用，因为它可以实现多种效果，比如模糊、锐化、边缘检测等。

用法示例

图像平滑 实现均值模糊修改上面的代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;/**************boxFilter//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);*///filter2D//blurfloat ftem = 0.021;Mat kernel = (Mat_<float>(7, 7) << ftem, ftem, ftem, ftem, ftem, ftem, ftem,ftem, ftem, ftem, ftem, ftem, ftem, ftem,ftem, ftem, ftem, ftem, ftem, ftem, ftem,ftem, ftem, ftem, ftem, ftem, ftem, ftem,ftem, ftem, ftem, ftem, ftem, ftem, ftem,ftem, ftem, ftem, ftem, ftem, ftem, ftem,ftem, ftem, ftem, ftem, ftem, ftem, ftem);filter2D(src, dst, -1, kernel);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

可以看到有平滑效果。

图像锐化（Sharpening）修改代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;/**************boxFilter//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);*///filter2D//Averaging Blur/*float ftem = 0.05;Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*///sharpingMat kernel = (Mat_<float>(3, 3) <<-1, -1, -1,-1, 9, -1,-1, -1, -1);filter2D(src, dst, -1, kernel);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

Sobel边缘检测

修改上面的店面如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;/**************boxFilter//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);*///filter2D//Averaging Blur/*float ftem = 0.05;Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*//*//sharpingMat kernel = (Mat_<float>(3, 3) <<-1, -1, -1,-1, 9, -1,-1, -1, -1);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*///Sobel边缘检测Mat sobelX = (Mat_<float>(3, 3) <<-1, 0, 1,-2, 0, 2,-1, 0, 1);Mat sobelY = (Mat_<float>(3, 3) <<-1, -2, -1,0, 0, 0,1, 2, 1);Mat dstx, dsty;filter2D(src, dstx, -1, sobelX);filter2D(src, dsty, -1, sobelY);addWeighted(dstx, 0.5, dsty, 0.5, 0, dst);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

Laplacian边缘检测

修改上面代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;/**************boxFilter//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);*///filter2D//Averaging Blur/*float ftem = 0.05;Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*///sharping/*Mat kernel = (Mat_<float>(3, 3) <<-1, -1, -1,-1, 9, -1,-1, -1, -1);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*///Sobel边缘检测/*Mat sobelX = (Mat_<float>(3, 3) <<-1, 0, 1,-2, 0, 2,-1, 0, 1);Mat sobelY = (Mat_<float>(3, 3) <<-1, -2, -1,0, 0, 0,1, 2, 1);Mat dstx, dsty;filter2D(src, dstx, -1, sobelX);filter2D(src, dsty, -1, sobelY);addWeighted(dstx, 0.5, dsty, 0.5, 0, dst);imshow("Dst", dst);*///Laplacian边缘检测Mat laplacian = (cv::Mat_<float>(3, 3) <<0, -1, 0,-1, 4, -1,0, -1, 0);filter2D(src, dst, -1, laplacian);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

浮雕(Embossing)效果

修改上面代码如下:

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{//std::cout << "Hello World!\n";Mat src = imread("1.webp");if (src.empty()){cout << "Cann't open image!" << endl;return -1;}imshow("Src", src);Mat dst;/**************boxFilter//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);for (int i = 0; i < 100; i++){boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);}boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);*///filter2D//Averaging Blur/*float ftem = 0.05;Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*///sharping/*Mat kernel = (Mat_<float>(3, 3) <<-1, -1, -1,-1, 9, -1,-1, -1, -1);filter2D(src, dst, -1, kernel);imshow("Dst", dst);*///Sobel边缘检测/*Mat sobelX = (Mat_<float>(3, 3) <<-1, 0, 1,-2, 0, 2,-1, 0, 1);Mat sobelY = (Mat_<float>(3, 3) <<-1, -2, -1,0, 0, 0,1, 2, 1);Mat dstx, dsty;filter2D(src, dstx, -1, sobelX);filter2D(src, dsty, -1, sobelY);addWeighted(dstx, 0.5, dsty, 0.5, 0, dst);imshow("Dst", dst);*///Laplacian边缘检测/*Mat laplacian = (cv::Mat_<float>(3, 3) <<0, -1, 0,-1, 4, -1,0, -1, 0);filter2D(src, dst, -1, laplacian);imshow("Dst", dst);*///Mat emboss = (cv::Mat_<float>(3, 3) <<-2, -1, 0,-1, 1, 1,0, 1, 2);filter2D(src, dst, -1, emboss);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

blur函数

blur函数原型如下：

blur函数实际上是将normalize变量设为true的boxFilter，这里就不再做介绍了。

用法示例

修改上面的代码如下（以后只列出修改部分，相同部分不再列出）：

//blur函数blur(src, dst, Size(9,9));imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

bilateralFilter 函数

bilateralFilter 函数的原型如下：

双边滤波器可以很好地减少不需要的噪声，同时保持边缘相当清晰。然而，与大多数过滤器相比，它的速度非常慢。

西格玛值：为简单起见，您可以将 2 个西格玛值设置为相同。如果它们很小（< 10），过滤器不会有太大的效果，而如果它们很大（> 150），它们将产生非常强的效果，使图像看起来“卡通”。

滤波器大小：大型滤波器（d > 5）非常慢，因此建议对于实时应用程序使用 d=5，对于需要重度噪声过滤的离线应用程序可能使用 d=9。

bilateralFilter 函数参数：

src 源图像， 8 位或浮点、1 通道或 3 通道图像。

dst 与 src 具有相同大小和类型的目标图像。

d 过滤期间使用的每个像素邻域的直径。如果它是非正数，则根据 sigmaSpace 计算。

sigmaColor 过滤颜色空间中的西格玛。参数值越大，意味着像素邻域内越远的颜色（参见 sigmaSpace）将混合在一起，从而产生更大的半相等颜色区域。

sigmaSpace 在坐标空间中过滤 sigma。参数值越大，意味着越远的像素只要颜色足够接近，就会相互影响（参见 sigmaColor ）。当 d>0 时，它指定邻域大小，而与 sigmaSpace 无关。否则，d 与 sigmaSpace 成正比。

borderType 边框模式用于推断图像外部的像素。

用法示例

修改上面代码如下：

	// bilateralFilterbilateralFilter(src, dst, 7, 75, 75);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

GaussianBlur函数

GaussianBlur函数的原型如下：

该函数将源图像与指定的高斯核进行卷积。支持就地过滤。

GaussianBlur函数参数：

src 输入图像；图像可以有任意数量的通道，这些通道是独立处理的，但深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或 CV_64F。

dst 与 src 具有相同大小和类型的输出图像

ksize 高斯核大小。 ksize.width 和 ksize.height 可以不同，但它们都必须为正数且为奇数或者，它们可以为零，然后根据西格玛计算它们。

sigmaX X方向高斯核标准偏差

sigmaY Y方向高斯核标准偏差；如果sigmaY为零，则将其设置为等于sigmaX，如果两个 sigma都为零，它们分别根据ksize.width和ksize.height计算（详见 getGaussianKernel）；为了完全控制结果，而不管未来可能对所有这些语义进行的修改，建议指定所有ksize、sigmaX和sigmaY。

borderType 边框模式用于推断图像外部的像素。

GaussianBlur函数通过高斯滤波器对图像进行模糊处理。高斯滤波器是一种线性平滑滤波器，其对于图像中的每一个像素点，都将其周围的像素值按照高斯分布进行加权平均，从而达到模糊图像的效果。这种方法在图像处理中非常有效，特别是在去除图像噪声和细节方面。

用法示例

修改上面的程序代码如下：

	//GaussianBlurGaussianBlur(src, dst, Size(9, 9),10,10);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：

增大核或者增大sigmaX，sigmaY，都可增强模糊效果。

medianBlur函数

medianBlur函数的原型如下：

该函数使用ksize×ksize光圈的中值滤波器平滑图像。多通道图像的每个通道都是独立处理的。支持就地操作。

medianBlur函数参数：

src: 输入图像，可以是单通道或三通道的8位或浮点图像。然而，对于 medianBlur 来说，它主要被用于8位（CV_8U）的单通道或三通道图像。

dst: 输出图像，与输入图像具有相同的类型和大小。

ksize: 滤波器的大小，必须是正奇数。

虽然 medianBlur 对于去除椒盐噪声非常有效，但它也可能导致图像细节的模糊，特别是当 ksize 值较大时。因此，在选择 ksize 时需要权衡去噪效果和图像细节保留之间的平衡。

用法示例

修改上面程序代码如下：

	//GaussianBlur/*GaussianBlur(src, dst, Size(9, 9),10,10);imshow("Dst", dst);*///medianBlurmedianBlur(src, dst, 5);imshow("Dst", dst);waitKey(0);return 0;
}

试运行，结果如下：