序言： 这一篇文章是对之前学习线性滤波和非线性滤波的回顾。之前都是分章节介绍滤波器对图片的处理，这一小节将前文介绍的知识点以代码为载体，展现给大家，用滑动条的方式来控制学习到的各种滤波（方框滤波、均值滤波、高斯滤波、中值滤波、双边滤波）的参数值。通过滚动条来控制图像在各种平滑处理下的模糊度，不仅可以与原图对比看出效果，而且也有一定的可玩性，哈哈。
话不多说，上代码
#include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<iostream> using namespace cv; using namespace std; //--------------------------------- //全局变量声明 //------------------------------- Mat g_srcIamge, g_dstImage1, g_dstImage2, g_dstImage3,g_dstImage4, g_dstImage5;//存储图片的Mat类型 int g_nBoxFilterValue = 3;//方框滤波参数值 int g_nMeanBlurValue = 3;//均值滤波参数值 int g_nGaussianBlurValue = 3;//高斯滤波参数值 int g_nMedianBlurValue = 10;//中值滤波参数值 int g_nBilateralFilterValue = 10;//双边滤波参数值 //--------------------------------- //全局函数声明 //------------------------------- static void on_BoxFilter(int, void *);//方框滤波 static void on_MeanBlur(int, void *);//均值滤波 static void on_GaussianBlur(int, void *);//高斯滤波 static void on_MedianBlur(int, void *);//中值滤波器 static void on_BilateralFilter(int, void *);//双边滤波器 int main() { //改变console字体颜色 system("color 5E"); //载入原图 g_srcIamge = imread("E:\\Pec\\shihao.jpg", 1); if (!g_srcIamge.data) { printf("读取图片错误\n"); return false; } //复制原图到三个Mat类型中 g_dstImage1 = g_srcIamge.clone(); g_dstImage2 = g_srcIamge.clone(); g_dstImage3 = g_srcIamge.clone(); g_dstImage4 = g_srcIamge.clone(); g_dstImage5 = g_srcIamge.clone(); //显示原图 namedWindow("【<0>原图窗口】", 1); imshow("【<0>原图窗口】", g_srcIamge); //=========1、方框滤波=========== //创建窗口 namedWindow("【<1>方框滤波】", 1); //创建轨迹条 createTrackbar("内核值：", "【<1>方框滤波】", &g_nBoxFilterValue, 40, on_BoxFilter); on_MeanBlur(g_nBoxFilterValue, 0); //======2、均值滤波=========== namedWindow("【<2>均值滤波】", 1); //创建轨迹条 createTrackbar("内核值：", "【<2>均值滤波】", &g_nMeanBlurValue, 40, on_BoxFilter); on_MeanBlur(g_nMeanBlurValue, 0); //=====3、高斯滤波=============== namedWindow("【<3>高斯滤波】", 1); //创建轨迹条 createTrackbar("内核值：", "【<3>高斯滤波】", &g_nGaussianBlurValue, 40, on_BoxFilter); on_GaussianBlur(g_nGaussianBlurValue, 0); //=====4、中值滤波=============== namedWindow("【<4>中值滤波】", 1); //创建轨迹条 createTrackbar("内核值：", "【<4>中值滤波】", &g_nMedianBlurValue, 50, on_MeanBlur); on_MedianBlur(g_nMedianBlurValue, 0); //=====5、双边滤波=============== namedWindow("【<5>双边滤波】", 1); //创建轨迹条 createTrackbar("内核值：", "【<5>双边滤波】", &g_nBilateralFilterValue, 50, on_BilateralFilter); on_BilateralFilter(g_nBilateralFilterValue, 0); //输出一些帮助信息 cout << endl << "请调整滚动条观察图像效果~\n\n" << "\t按下“q”键时，程序退出~\n"; //在waitKey(1)之后输入一个值 while (char(waitKey(1)) != 'q') {} return 0; } //---------------------- //方框滤波操作的回调函数 //--------------------------- static void on_BoxFilter(int, void *)//方框滤波 { boxFilter(g_srcIamge, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1)); imshow("【<1>方框滤波】", g_dstImage1); } static void on_MeanBlur(int, void *)//均值滤波 { blur(g_srcIamge, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1)); imshow("【<2>均值滤波】", g_dstImage2); } static void on_GaussianBlur(int, void *)//高斯滤波 { GaussianBlur(g_srcIamge, g_dstImage3, Size(g_nGaussianBlurValue * 2 + 1, g_nGaussianBlurValue * 2 + 1), 0, 0); imshow("【<3>高斯滤波】", g_dstImage3); } static void on_MedianBlur(int, void *)//中值滤波器 { medianBlur(g_srcIamge, g_dstImage4, g_nMedianBlurValue * 2 + 1); imshow("【<4>中值滤波】", g_dstImage4); } static void on_BilateralFilter(int, void *)//双边滤波器 { bilateralFilter(g_srcIamge, g_dstImage5, g_nBilateralFilterValue, g_nBilateralFilterValue * 2, g_nBilateralFilterValue / 2); imshow("【<5>双边滤波】", g_dstImage5); }
(1)原图与方框滤波对比
(2)原图与均值滤波对比
(3)原图与高斯滤波对比
(4)原图与中值滤波对比
(5)原图与双边滤波对比
综上：观察发现：方框滤波和均值滤波效果相似，中值滤波对原图颠覆较大，双边滤波几乎和原图没有差别。
