圖像去噪的方法很多，如中值濾波，高斯濾波，維納濾波等等。但這些降噪方法容易模糊圖片的邊緣細節，對于高頻細節的保護效果并不明顯。相比較而言，bilateral filter雙邊濾波器可以很好的邊緣保護，即可以在去噪的同時(shí)，保護圖像的邊緣特性。雙邊濾波（Bilateral filter）是一種非線(xiàn)性的濾波方法，是結合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時(shí)考慮空域信息和灰度相似性，達到保邊去噪的目的（不理解這幾個(gè)概念沒(méi)關(guān)系，后面會(huì )慢慢解釋?zhuān)?/p>
雙邊濾波器之所以能夠做到在平滑去噪的同時(shí)還能夠很好的保存邊緣（Edge Preserve），是由于其濾波器的核由兩個(gè)函數生成：空間域核和值域核
（1）空間域核：由像素位置歐式距離決定的模板權值
在一些博客和教程里，這個(gè)權值
稱(chēng)為定義域核，也稱(chēng)為空間系數，或空間域（spatial domain S）。顯示由的計算公式可知，它是計算臨近點(diǎn)到中心點(diǎn)臨近程度，因此定義域核是用于衡量空間臨近的程度。
（2）值域核：由像素值的差值決定的模板權值
其中，
一般將權值
稱(chēng)為值域核，或像素值域（range domain R），不管是值域核還是空間域核，其大小都在[0 1]之間
（3）將上述兩個(gè)模板相乘就得到了雙邊濾波器的模板權值：
因此，雙邊濾波器的數據公式可以表示如下：
雙邊濾波（Bilateral filter）其綜合了高斯濾波器（Gaussian Filter）和α-截尾均值濾波器（Alpha-Trimmed mean Filter）的特點(diǎn)，同時(shí)考慮了空間域與值域的差別，而Gaussian Filter和α均值濾波分別只考慮了空間域和值域差別。高斯濾波器只考慮像素間的歐式距離，其使用的模板系數隨著(zhù)和窗口中心的距離增大而減??；α-截尾均值濾波器則只考慮了像素灰度值之間的差值，去掉α%的最小值和最大值后再計算均值。
空域權重
衡量的是兩點(diǎn)之間的距離，距離越遠權重越低；值域權重
衡量的是兩點(diǎn)之間的像素值相似程度，越相似權重越大
這里從圖像的平坦區域和邊緣區域定性分析雙邊濾波的降噪效果
在平坦區域，臨近像素的像素值的差值較小，對應值域權重
接近于1，此時(shí)空域權重起主要作用，相當于直接對此區域進(jìn)行高斯模糊。因此，平坦區域相當于進(jìn)行高斯模糊。在邊緣區域，臨近像素的像素值的差值較大，對應值域權重
接近于0，導致此處核函數下降（因），當前像素受到的影響就越小，從而保持了原始圖像的邊緣的細節信息。
opencv中提供了bilateralFilter()函數來(lái)實(shí)現雙邊濾波操作，其原型如下：
void cv::bilateralFilter(InputArray src,
OutputArray dst,
int d,
double sigmaColor,
double sigmaSpace,
int borderType = BORDER_DEFAULT
)
InputArray src: 輸入圖像，可以是Mat類(lèi)型，圖像必須是8位或浮點(diǎn)型單通道、三通道的圖像。
OutputArray dst: 輸出圖像，和原圖像有相同的尺寸和類(lèi)型。
int d: 表示在過(guò)濾過(guò)程中每個(gè)像素鄰域的直徑范圍。如果這個(gè)值是非正數，則函數會(huì )從第五個(gè)參數sigmaSpace計算該值。
double sigmaColor: 顏色空間過(guò)濾器的sigma值，這個(gè)參數的值月大，表明該像素鄰域內有越寬廣的顏色會(huì )被混合到一起，產(chǎn)生較大的半相等顏色區域。 （這個(gè)參數可以理解為值域核的）
double sigmaSpace: 坐標空間中濾波器的sigma值，如果該值較大，則意味著(zhù)越遠的像素將相互影響，從而使更大的區域中足夠相似的顏色獲取相同的顏色。當d>0時(shí)，d指定了鄰域大小且與sigmaSpace無(wú)關(guān)，否則d正比于sigmaSpace. （這個(gè)參數可以理解為空間域核的）
int borderType=BORDER_DEFAULT: 用于推斷圖像外部像素的某種邊界模式，有默認值BORDER_DEFAULT.
雙邊濾波器可以很好的保存圖像邊緣細節而濾除掉低頻分量的噪音，但是雙邊濾波器的效率不是太高，花費的時(shí)間相較于其他濾波器而言也比較長(cháng)。
對于簡(jiǎn)單的濾波而言，可以將兩個(gè)sigma值設置成相同的值，如果值<10，則對濾波器影響很小，如果值>150則會(huì )對濾波器產(chǎn)生較大的影響，會(huì )使圖片看起來(lái)像卡通。
示例代碼：
- #include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace std;
using namespace cv;
//定義全局變量
const int g_ndMaxValue = 100;
const int g_nsigmaColorMaxValue = 200;
const int g_nsigmaSpaceMaxValue = 200;
int g_ndValue;
int g_nsigmaColorValue;
int g_nsigmaSpaceValue;
Mat g_srcImage;
Mat g_dstImage;
//定義回調函數
void on_bilateralFilterTrackbar(int, void*);
int main()
{
g_srcImage = imread("lena.jpg");
//判斷圖像是否加載成功
if (g_srcImage.empty())
{
cout << "圖像加載失敗!" << endl;
return -1;
}
else
cout << "圖像加載成功!" << endl << endl;
namedWindow("原圖像", WINDOW_AUTOSIZE);
imshow("原圖像", g_srcImage);
//定義輸出圖像窗口屬性和軌跡條屬性
namedWindow("雙邊濾波圖像", WINDOW_AUTOSIZE);
g_ndValue = 10;
g_nsigmaColorValue = 10;
g_nsigmaSpaceValue = 10;
char dName[20];
sprintf(dName, "鄰域直徑 %d", g_ndMaxValue);
char sigmaColorName[20];
sprintf(sigmaColorName, "sigmaColor %d", g_nsigmaColorMaxValue);
char sigmaSpaceName[20];
sprintf(sigmaSpaceName, "sigmaSpace %d", g_nsigmaSpaceMaxValue);
//創(chuàng )建軌跡條
createTrackbar(dName, "雙邊濾波圖像", &g_ndValue, g_ndMaxValue, on_bilateralFilterTrackbar);
on_bilateralFilterTrackbar(g_ndValue, 0);
createTrackbar(sigmaColorName, "雙邊濾波圖像", &g_nsigmaColorValue,
g_nsigmaColorMaxValue, on_bilateralFilterTrackbar);
on_bilateralFilterTrackbar(g_nsigmaColorValue, 0);
createTrackbar(sigmaSpaceName, "雙邊濾波圖像", &g_nsigmaSpaceValue,
g_nsigmaSpaceMaxValue, on_bilateralFilterTrackbar);
on_bilateralFilterTrackbar(g_nsigmaSpaceValue, 0);
waitKey(0);
return 0;
}
void on_bilateralFilterTrackbar(int, void*)
{
bilateralFilter(g_srcImage, g_dstImage, g_ndValue, g_nsigmaColorValue, g_nsigmaSpaceValue);
imshow("雙邊濾波圖像", g_dstImage);
}
參考資料：
聯(lián)系客服
