opencv源碼解析之(2)：濾波前言2

      在上次的opencv源碼解析之濾波前言1中，按照opencv_tutorials.pdf中的濾波部分試了下常用的4種濾波器的使用方法。在opencv的C++中，這4個函數分別為：blur,GaussianBlur,meidaBlur,bilateralFilter.下面就這幾個函數在opencv中的功能，以及參數做個介紹：

1. 均值濾波：其函數聲明為：void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )。

這個函數在上一節中介紹過了，這里簡單些一下。

功能：對輸入的圖像src進行均值濾波后用dst輸出。

參數：src和dst當然分別是輸入圖像和輸出圖像。size為均值濾波器模板大小。Anchor為錨點（具體什么沒看源碼不懂），如果為Point(-1,-1)，則錨點是濾波器的中心點。borderType為邊緣點插值類型。

理解：以原圖對應像素為中心的與模板中心重疊，將模板覆蓋領域內全部像素求均值就是濾波后像素的值了。

1. 高斯濾波：其函數聲明為： void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT ) ;

功能：對輸入的圖像src進行高斯濾波后用dst輸出。

參數：src和dst當然分別是輸入圖像和輸出圖像。Ksize為高斯濾波器模板大小，sigmaX和sigmaY分別為高斯濾波在橫線和豎向的濾波系數（有點晦澀，等下解釋）。borderType為邊緣點插值類型。

理解：數字圖像的濾波可以簡單的這么理解，就是對原圖像的每一個像素濾波，那么對應這個像素濾波后的值是根據其相鄰像素（包括自己那個點）與一個濾波模板進行相乘即可。所以具體到高斯濾波，我們只要知道這個高斯濾波的模板即可。

那怎么確定這個模板呢？首先這個模板的大小為ksize，其每個數字的計算是這樣的：

其中 是歸一化系數，因為其和要為1.

為了簡化，一般在二維圖像處理中，ui和uj取0，sigma1和sigma2取相等。所以公式就簡化為 ：

因此很容易就計算出模板每個位置的數字了，簡單吧！

但是要注意2點，第一點就是ksize的寬和高必須是奇數；第二點就是如果參數sigmaX=sigmaY=0,則實際用的是公式sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8 .

1. 中值濾波：其函數聲明為void medianBlur(InputArray src, OutputArray dst, int ksize)。

功能：對輸入的圖像src進行中值濾波后用dst輸出。

參數：src和dst當然分別是輸入圖像和輸出圖像。ksize為均值濾波器模板大小，因為模板為正方形，所以只有一個參數。

理解：以原圖對應像素為中心的與模板中心重疊，將模板覆蓋領域內全部像素排序后的中間值就是濾波后像素的值了，所以模板長度必須為奇數。

1. 雙向濾波：其函數聲明為：void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT )

功能：對輸入的圖像src進行雙向濾波后用dst輸出。

參數：src和dst當然分別是輸入圖像和輸出圖像。d為每個像素領域的直徑，sigmaColor為顏色空間的標準偏差，sigmaSpace為坐標空間的標準偏差。borderType為邊緣點插值類型。

理解：暫時不明白雙向濾波的工作原理，以后有時間弄懂再補上吧，也歡迎大家補上。

      就寫到這里吧，輸入公式和文字都累死了！并且寫這種文章怎么感覺在寫翻譯文檔呢！