opencv：边缘保留滤波

EPF滤波概述

均值与滤波的缺点：并没有考虑中心像素点对整个输出像素的贡献，实际上锚定的那个点贡献应该是最大的

高斯滤波的缺点：当边缘值梯度很大的时候，应减少中心像素点的权重，而高斯滤波没有考虑

边缘保留滤波：

• 高斯双边
• 均值迁移
• 局部均方差

高斯双边滤波

非局部均值滤波

example

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

using namespace cv;
using namespace std;

void add_salt_and_pepper_noise(Mat& image);
void add_gaussian_noise(Mat& image);

int main(int argc, char** argv)
{
    Mat src = imread("f:/images/lena.jpg");
    if (src.empty())
    {
        printf("Could not find the image!\n");
        return -1;
    }

    namedWindow("input", WINDOW_AUTOSIZE);
    imshow("input", src);

    //add_salt_and_pepper_noise(src);
    add_gaussian_noise(src);
    Mat dst;
    // 中值滤波
    medianBlur(src, dst, 3);
    imshow("median denoise demo", dst);

    // 高斯滤波  高斯滤波对椒盐噪声去噪效果不理想
    GaussianBlur(src, dst, Size(5, 5), 0);
    imshow("guassian denoise demo", dst);

    // 高斯双边
    bilateralFilter(src, dst, 0, 100, 10);
    imshow("bilateralF denoise demo", dst);

    // 如果不加噪声， 直接进行高斯双边，去掉微小细节，保留边缘
    src = imread("f:/images/lena.jpg");
    bilateralFilter(src, dst, 0, 100, 10);
    imshow("src - bilateralFilter", dst);

    // NLM 非局部均值去燥
    src = imread("f:/images/lena.jpg");
    add_gaussian_noise(src);
		// 除了彩色版本，还有灰度版本等一些其他版本
    fastNlMeansDenoisingColored(src, dst, 3., 3., 7, 21);
    imshow("NLM", dst);

    waitKey(0);
    destroyAllWindows();

    return 0;
}

void add_salt_and_pepper_noise(Mat& image) {
    RNG rng(12345);
    int h = image.rows;
    int w = image.cols;
    int nums = 10000;
    for (int i = 0; i < nums; i++) {
        int x = rng.uniform(0, w);
        int y = rng.uniform(0, h);
        if (i % 2 == 1) {
            image.at<Vec3b>(y, x) = Vec3b(255, 255, 255);
        }
        else {
            image.at<Vec3b>(y, x) = Vec3b(0, 0, 0);
        }
    }
    imshow("salt and pepper noise", image);
}

void add_gaussian_noise(Mat& image) {
    // 高斯噪声
    Mat noise = Mat::zeros(image.size(), image.type());
    // 图像，均值，方差，显示一幅随机图像
    randn(noise, Scalar(15, 25, 45), Scalar(30, 30, 30));
    Mat dst;
    add(image, noise, dst);
    dst.copyTo(image);
    imshow("gaussian noise", image);
}