掌握

1、中值滤波（基于统计的滤波）；
2、双边滤波（高斯双边滤波）；
3、代码演示；
（均值滤波，高斯滤波）

中值滤波

1、中值滤波是统计排序滤波器；（基于像素统计学）
2、中值滤波对椒盐噪声（极大值极小值出现较为频繁）有很好的抑制作用；
椒盐噪声：（幅值基本相同，但出现位置随机的噪声）
从左到右，从上到下进行中值滤波，可以有效的去除椒盐噪声；
最小值滤波：取窗口内的排序最小的像素值作为有效像素值；最大值滤波同理取最大；（与膨胀腐蚀有关）

双边滤波

1、高斯函数：中心对称分布
2、均值滤波（均值模糊）无法克服边缘像素信息丢失，因为均值滤波是基于平均权重；
3、高斯模糊部分克服了该缺陷，但是无法完全避免，因为没有考虑像素值的不同；
4、高斯双边模糊–是边缘保留的滤波方法（对于像素值设有阈值，对于超过或小于阈值的不进行处理），避免了边缘信息丢失，保留了图像轮廓不变；
双边滤波需要确定传入的空域核与值域核的大小
空域核：考虑空间位置的卷积算子（窗口），即sigama的值，高斯函数的形状（是否抖）；
值域核：考虑像素值不同设定的阈值，在规定范围内进行图像处理；
输出 = 输入 X （空域核 + 值域核）；

API函数

1、中值模糊：meidianBlur(Mat src , Mat dst , ksize);
注：ksize大小必须大于1，而且是奇数；
2、双边模糊：bilateralFilter(src, dst, d = 15, 150,3);
参数值含义如下图：

Demo

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
   
	Mat src = imread("C:\\Users\\hello\\Desktop\\8.jpg");
	

	if (!src.data)
	{
   
		cout << "could not load the image..." << endl;
		return -1;
	}
	
	//美颜算法（部分模糊）--双边滤波，边缘保留的滤波算法
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	//中值滤波 白点---椒盐噪声
	Mat mb;
	medianBlur(src, mb, 7);
	namedWindow("median filter", CV_WINDOW_AUTOSIZE);
	imshow("median filter", mb);

	//双边滤波 模糊图像，对轮廓
	Mat bf;
	bilateralFilter(src, bf, 15, 200, 3);
	namedWindow("bilateral filter", CV_WINDOW_AUTOSIZE);
	imshow("bilateral filter", bf);
	
	//高斯滤波
	Mat gblur;
	GaussianBlur(src, gblur, Size(15, 15), 3, 3);
	namedWindow("gaussian filter", CV_WINDOW_AUTOSIZE);
	imshow("gaussian filter", gblur);

	//使用矩阵掩膜操作滤波
	Mat mask;
	Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0); //模板类创建掩膜
	filter2D(src, mask, -1, kernel, Point(-1, -1),0);
	namedWindow("mask filter", CV_WINDOW_AUTOSIZE);
	imshow("mask filter", mask);

	waitKey(0);
	return 0;
}

效果图