python学opencv|读取图像（五十七）使用cv2.bilateralFilter()函数实现图像像素双边滤波处理

【1】引言

前序学习过程中，已经掌握了对图像的基本滤波操作技巧，具体的图像滤波方式包括均值滤波、中值滤波和高斯滤波，相关文章链接有：

python学opencv|读取图像（五十四）使用cv2.blur()函数实现图像像素均值处理-CSDN博客

python学opencv|读取图像（五十五）使用cv2.medianBlur()函数实现图像像素中值滤波处理-CSDN博客

python学opencv|读取图像（五十六）使用cv2.GaussianBlur()函数实现图像像素高斯滤波处理-CSDN博客

进过前序文章的实践探索，随着像素核的增大，实际的滤波效果都出现了图像模糊的情形，因此，有必要继续探索新的滤波方式。

这就是本次文章的学习目的：掌握双边滤波函数cv.bilateralFilter()。

双边滤波函数cv.bilateralFilter()的工作原理为：在图像的中心区域，采用类似高斯滤波的方式处理，在图像的边缘区域，加大边缘区域像素点的权重，以保证图像的清晰度。

【2】官网教程

点击下方链接，直达双边滤波函数cv.bilateralFilter()的官网教程：

OpenCV: Image Filtering

官网页面对双边滤波函数cv.bilateralFilter()的说明为：

图1   官网页面对双边滤波函数cv.bilateralFilter()的说明

官网页面对双边滤波函数cv.bilateralFilter()的参数说明为：

void cv::bilateralFilter     (    

        InputArray     src,                       #输入图像
        OutputArray     dst,                    #输出图像
        int     d,                                      #像素核直径
        double     sigmaColor,               #像素点颜色值和周围颜色值差值小于此值时进行滤波
        double     sigmaSpace,             #像素坐标开关，值越大，参与计算的像素点越多
        int     borderType = BORDER_DEFAULT )  #边界样式，可选参数

【3】代码测试

首先是引入模块和相关图像：

import cv2 as cv  # 引入CV模块# 读取图片
srcm = cv.imread('srcx.png')  # 读取图像srcx.png

然后是对图像进行双边滤波处理：

#滤波计算
src1 = cv.bilateralFilter(srcm,3,180,200)  # 图像取平均值，像素核大小为(3,3)
src2 = cv.bilateralFilter(srcm,5,180,200)  # 图像取平均值，像素核大小为(5,5)
src3 = cv.bilateralFilter(srcm,7,180,200)  # 图像取平均值，像素核大小为(7,7)

之后显示图像：

# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('src1 ', src1)
cv.imshow('src2 ', src2)
cv.imshow('src3 ', src3)
cv.imwrite('src1b.png',src1)
cv.imwrite('src2b.png',src2)
cv.imwrite('src3b.png',src3)
# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

程序运行使用的相关图像为：

图2  初始图像scrx.png

图3  双边滤波图像scr1.png

图3  双边滤波图像scr2.png

图3  双边滤波图像scr3.png

由图2至图5可见，双边滤波函数cv.bilateralFilter()处理后的图像，随着像素核的增大，虽然也出现了模糊的效果，但模糊的程度较小，较大程度保证了图像的清晰度。

【4】细节说明

调用cv2.bilateralFilter()滤波函数进行双边滤波时，给出的是像素核直径。

而其他三种滤波方式不一样：

调用cv2.medianBlur()函数进行中值滤波时，使用的像素核只需要写出边长n，但这个边长也应该是奇数，cv2.medianBlur()函数会自动根据这个边长划定一个正方形的像素核。

调用cv2.blur()函数进行均值滤波和调用cv2.GaussianBlur()函数进行高斯滤波处理时，均需要给出(nXn)大小的像素核，这个n应使用奇数。

像素核使用奇数大小会比较好，是因为奇数大小会在最中间围成一个方格，这个方格就是核心方格，滤波计算的值直接赋给这个核心方格。

图6 图像滤波技术对比

【5】总结

掌握了使用python+opencv实现调用cv2.bilateralFilter()函数进行双边滤波处理图像的技巧。