三种线性滤波器比较
椒盐噪声
椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值。
脉冲噪声
脉冲噪声（pulse noise）在通信中出现的离散型噪声的统称。它由时间上无规则出现的突发性干扰组成。
脉冲噪声（impulsive noise）是非连续的，由持续时间短和幅度大的不规则脉冲或噪声尖峰组成。产生脉冲噪声的原因多种多样，其中包括电磁干扰以
及通信系统的故障和缺陷，也可能在通信系统的电气开关和继电器改变状态时产生。
脉冲噪声对模拟数据一般仅是小麻烦。但在数字式数据通信中，脉冲噪声是出错的主要原因。
脉冲噪声，它的持续时间小于1秒、噪声强度峰值比其均方根值大于10dB，而重复频率又小于10Hz的间断性噪声。
脉冲噪声：突然爆发又很快消失，举个例子：持续时间≤0.5s，间隔时间>1s，声压有效值变化≥40dB（A）的噪声。
Demo源码
void OpenCVManager::testBoxAndBlurAndGaussianBlurFilter() {
QString fileName1 =
\
cv::Mat srcMat = cv::imread(fileName1.toStdString());
cv::String windowName = _windowTitle.toStdString(); cvui::init(windowName);
cv::resize(srcMat, srcMat, cv::Size(400, 300));
qDebug() << __FILE__ <<__LINE__ << srcMat.rows << srcMat.cols; if(!srcMat.data) {
qDebug() << __FILE__ << __LINE__
<< \ return; }
cv::Mat dstMat;
dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 3, srcMat.rows * 3), srcMat.type()); bool isBoxFilter = true;
int ksize = 3; // 核心大小
int anchor = -1; // 锚点, 正数的时候必须小于核心大小，即：-1 <= anchor < ksize
int ksize2 = 3; // 核心大小
int anchor2 = -1; // 锚点, 正数的时候必须小于核心大小，即：-1 <= anchor < ksize
int ksize3 = 3; // 核心大小
int sigmaX = 0; // x方向的标准偏差 int sigmaY = 0; // y方向的标准偏差 while(true) {
windowMat = cv::Scalar(0, 0, 0);
cvui::window(windowMat, dstMat.cols, dstMat.rows * 0, dstMat.cols, dstMat.rows, \
cvui::window(windowMat, dstMat.cols, dstMat.rows * 1, dstMat.cols, dstMat.rows, \
cvui::window(windowMat, dstMat.cols, dstMat.rows * 2, dstMat.cols, dstMat.rows, \ {
// 原图先copy到左边
cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows), cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat); // 中间为调整方框滤波参数的相关设置 // 是否方框滤波
cvui::checkbox(windowMat, 500, 60, \ cvui::printf(windowMat, 500, 120, \
cvui::trackbar(windowMat, 500, 130, 200, &ksize, 1, 10); if(anchor >= ksize)
{
anchor = ksize - 1; }
cvui::printf(windowMat, 500, 180, \
cvui::trackbar(windowMat, 500, 190, 200, &anchor, -1, ksize-1);
// 方框滤波
cv::boxFilter(srcMat, dstMat, -1,
cv::Size(ksize, ksize), cv::Point(anchor, anchor), isBoxFilter);
// 效果图copy到右边
// 注意：rang从位置1到位置2，不是位置1+宽度
cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows), cv::Range(srcMat.cols * 2, srcMat.cols * 3)); cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat); } {
// 原图先copy到左边
cv::Mat leftMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2), cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat); // 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 500, 100 + 300, \
cvui::trackbar(windowMat, 500, 110 + 300, 200, &ksize2, 1, 10); if(anchor2 >= ksize2) {
anchor2 = ksize2 - 1; }
cvui::printf(windowMat, 500, 160 + 300, \
cvui::trackbar(windowMat, 500, 170 + 300, 200, &anchor2, -1, ksize2-1);
// 均值滤波：方框滤波比均值滤波多了颜色深度的参数 cv::blur(srcMat, dstMat,
cv::Size(ksize2, ksize2),
cv::Point(anchor2, anchor2));
// 效果图copy到右边
// 注意：rang从位置1到位置2，不是位置1+宽度
cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2), cv::Range(srcMat.cols * 2, srcMat.cols * 3)); cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat); } {
// 原图先copy到左边
cv::Mat leftMat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3), cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat); // 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 500, 60 + 600, \ cvui::trackbar(windowMat, 500, 70 + 600, 200, &ksize3, 0, 10);
cvui::printf(windowMat, 500, 120 + 600, \
cvui::trackbar(windowMat, 500, 130 + 600, 200, &sigmaX, 0, 100);
cvui::printf(windowMat, 500, 180 + 600, \
cvui::trackbar(windowMat, 500, 190 + 600, 200, &sigmaY, 0, 100);
// 高斯滤波
cv::GaussianBlur(srcMat, dstMat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);
// 效果图copy到右边
// 注意：rang从位置1到位置2，不是位置1+宽度
cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3), cv::Range(srcMat.cols * 2, srcMat.cols * 3)); cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat); }
// 更新
cvui::update(); // 显示
cv::imshow(windowName, windowMat); // esc键退出
if(cv::waitKey(25) == 27) {
break; } } }
OpenCV开发学习之算法基础之线性滤波对比-方框、均值、高斯滤波 - 图文
