C++opencv之图像去噪（blur，GaussianBlur，medianBlur，f。。。 ⽂章⽬录
上篇博客我们学到了图像添加噪声，这篇我们来学习图像去噪声。 OpenCV中常见的图像去噪声的⽅法有：干簧管传感器
-均值去噪声
-⾼斯模糊去噪声
-⾮局部均值去噪声
-形态学去噪声
⼀、主要内容
这⾥均值去噪声、⾼斯模糊之前也讲过了，后⾯两个⽅法之后再讲。
1.1 均值去噪声
1.2 ⾼斯模糊去噪声
1.3 ⾮局部均值去噪声
L-Means的全称是：Non-Local Means，直译过来是⾮局部平均，在2005年由Baudes提出，该算法使⽤⾃然图像中普遍存在的冗余信息来去噪声。与常⽤的双线性滤波、中值滤波等利⽤图像局部信息来滤波不同的是，它利⽤了整幅图像来进⾏去噪，以图像块为单位在图像中寻相似区域，再对这些区域求平均，能够⽐较好地去掉图像中存在的⾼斯噪声。与我们以前学习的平滑技术相⽐这种算法要消耗更多的时间，但是结果很好。对于彩⾊图像，要先转换到 CIELAB 颜⾊空间，然后对 L 和 AB 成分分别去噪。 cv2.fastNlMeansDenoising()-使⽤单个灰度图像
cv2.fastNlMeansDenoisingColored()-使⽤彩⾊图像。
cv2.fastNlMeansDenoisingMulti()-⽤于在短时间内捕获的图像序列（灰度图像）机器人移动底盘
cv2.fastNlMeansDenoisingColoredMulti()-与上⾯相同，但⽤于彩⾊图像。
函数原型：
fastNlMeansDenoisingColored( InputArray src,
OutputArray dst,
float h =3,float hColor =3,
int templateWindowSize =7,int searchWindowSize =21)
共同参数有：
• h ：决定过滤器强度。h 值⾼可以很好的去除噪声，但也会把图像的细节抹去。(取10的效果不错)
• hForColorComponents ：与 h 相同，但使⽤与彩⾊图像。(与 h 相同,10)
• templateWindowSize ：奇数。(推荐值为7)
• searchWindowSize ：奇数。(推荐值为21)
1.4 双边滤波去噪声
1.5 形态学去噪声
⼆、代码演⽰
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
void add_salt_pepper_noise(Mat &image);
void gaussian_noise(Mat &image);led像素灯>给皂器
int main(int artc,char** argv){
Mat src =imread("C:\\Users\\Dell\\Desktop\\picture\\opencv_tutorial\\opencv_tutorial\\data\\images\\e
xample.png"); pty()){
printf("could not \n");
return-1;
}
namedWindow("input", WINDOW_AUTOSIZE);
imshow("input", src);cielab
gaussian_noise(src);
Mat result1, result2, result3, result4;
blur(src, result1,Size(5,5));
imshow("result-1", result1);
GaussianBlur(src, result2,Size(5,5),0);
imshow("result-2", result2);
medianBlur(src, result3,5);
imshow("result-3", result3);
fastNlMeansDenoisingColored(src, result4,15,15,10,30);
imshow("result-4", result4);
waitKey(0);
return0;
}
void add_salt_pepper_noise(Mat &image){
RNG rng(12345);
压电陶瓷超声换能器int h = ws;
int w = ls;
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 pepper", image);
}
void gaussian_noise(Mat &image){
Mat noise = Mat::zeros(image.size(), pe());
randn(noise,(15,15,15),(30,30,30));
Mat dst;
add(image, noise, dst);
imshow("gaussian noise", dst);
}
三、结果展⽰
这⾥我们可以看到去噪之后的图⽚。
这⾥我们看到后⾯两种⽅法的去噪结果，效果是相当好的。（类似市⾯上美图软件中的磨⽪）加油吧 阿超没有蛀⽛！
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议