图像滤波：
尽量保留图像细节特征的条件下对目标图像的噪声进行抑制和平滑处理，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
滤波器：
低通滤波器（允许低频通过），高通滤波器，带通滤波器，带阻滤波器，全通滤波器，陷波滤波器。
我在这儿主要介绍OpenCV中所提供的滤波操作，线性滤波与非线性滤波。
opencv中线性滤波操作有：方框滤波、均值滤波和高斯滤波。非线性滤波操作有：中值滤波和双边滤波。

方框滤波

讲到方框滤波，我们不能不提及的是线性邻域滤波算子，即用不同的权重去结合一个小邻域内的像素，来得到应有的处理效果。邻域滤波（卷积）：左边图像与中间图像的卷积产生右边图像。目标图像中绿色标记的像素是利用原图像中蓝色标记的像素计算得到的。线性滤波处理的输出像素值g(i,j)是输入像素值f(j+k,j+l)的加权和 ，其中加权和称之为“核”，滤波器的加权系数，即滤波器的“滤波系数”。

这里写图片描述

这里写图片描述

  /**
      * opencv中方框滤波函数
      * 第一个参数：输入的图片
      * 第二个参数：输出的图片
      * 第三个参数：图片的深度（存储每个像素所用的位数）一般情况使用-1也就是原有的图像深度
      * 第四个参数：核心的大小
      * 第五个参数：锚点的位置，就是我们要进行处理的点，默认值（-1，-1）表示锚点在核的中心
      * 第六个参数：normalize默认值为true，表示内核是否被其区域归一化（normalized）了，当normalize=true的时候，方框滤波就变成了我们熟悉的均值滤波。也就是说，均值滤波是方框滤波归一化（normalized）后的特殊情况。其中，归一化就是把要处理的量都缩放到一个范围内,比如(0,1)，以便统一处理和直观量化。而非归一化（Unnormalized）的方框滤波用于计算每个像素邻域内的积分特性，比如密集光流算法（dense optical flow algorithms）中用到的图像倒数的协方差矩阵（covariance matrices of image derivatives）如果我们要在可变的窗口中计算像素总和，可以使用integral()函数
      * 第七个参数：边界模式，默认值BORDER_DEFAULT
      */
CV_EXPORTS_W void boxFilter( InputArray src, OutputArray dst, int ddepth,
                             Size ksize, Point anchor = Point(-1,-1),
                             bool normalize = true,
                             int borderType = BORDER_DEFAULT );

extern "C"
JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_blurImage(JNIEnv *env, jclass type,jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);
    Mat img(h, w, CV_8UC4, pixels);
    boxFilter(img,img,-1,Size(30,30));
    int size = w * h;
    jintArray array = env->NewIntArray(size);
    env->SetIntArrayRegion(array, 0, size, pixels);
    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return array;
    }

这里写图片描述

均值滤波
方框滤波归一化之后就是均值滤波。也就是输出图像的每一个像素是核窗口内输入图像对应像素的像素平均值( 所有像素加权系数相等)。

 /**
 * 均值滤波（归一化之后又进行了方框滤波）
 * 第一个参数：输入的图片
 * 第二个参数：输出的图片
 * 第三个参数：核心的大小
 * 第四个参数：锚点的位置，就是我们要进行处理的点，默认值（-1，-1）表示锚点在核的中心
 * 第五个参数：边界模式，默认值BORDER_DEFAULT
 */

CV_EXPORTS_W void blur( InputArray src, OutputArray dst,
                        Size ksize, Point anchor = Point(-1,-1),
                        int borderType = BORDER_DEFAULT );

extern "C"
JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_blurImage(JNIEnv *env, jclass type,jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);
    Mat img(h, w, CV_8UC4, pixels);
    blur(img,img,Size(30,30));
    int size = w * h;
    jintArray array = env->NewIntArray(size);
    env->SetIntArrayRegion(array, 0, size, pixels);
    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return array;
    }

引用块内容

高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布，所以这项技术就叫作高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数，所以高斯模糊对于图像来说就是一个低通滤波操作。高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。一维零均值高斯函数为：G(x)=exp(-x^2/2sigma2)。其中，高斯分布参数Sigma决定了高斯函数的宽度。对于图像处理来说，常用二维零均值离散高斯函数作平滑滤波器。

这里写图片描述

   /**
     * 高斯滤波
     * 第一个参数：传入的图片
     * 第二个参数：传出的图片
     * 第三个参数：核心（必须是正数和奇数）
     * 第四个参数：sigmaX代表高斯函数在x方向的标准偏差
     * 第五个参数：sigmaY代表高斯函数在Y方向的标准偏差，有默认值为0
     * 第六个参数：边界模式，使用默认值BORDER_DEFAULT
     */
CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT );

extern "C"
JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_blurImage(JNIEnv *env, jclass type,jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);
    Mat img(h, w, CV_8UC4, pixels);
    GaussianBlur(img,img,Size(31,31),0);
    int size = w * h;
    jintArray array = env->NewIntArray(size);
    env->SetIntArrayRegion(array, 0, size, pixels);
    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return array;
    }

中值滤波

中值滤波很简单，一种非线性滤波操作，就是孔径范围内的所有像素进行排序，然后取中位数，赋值给核心。

  /**
     * 中值滤波,孔径范围内的所有像素进行排序，然后取中位数，赋值给核心。
     * 第一个参数：传入的图片
     * 第二个参数：传出的图片
     * 第三个参数：孔径的线性尺寸，必须是大于1的奇数
     */
CV_EXPORTS_W void medianBlur( InputArray src, OutputArray dst, int ksize );

extern "C"
JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_blurImage(JNIEnv *env, jclass type,jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);
    Mat img(h, w, CV_8UC4, pixels);
    medianBlur(img,img,31);
    int size = w * h;
    jintArray array = env->NewIntArray(size);
    env->SetIntArrayRegion(array, 0, size, pixels);
    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return array;
    }

双边滤波

双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点 。双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

 /**
   * 双边滤波
   * 第一个参数：传入的图片(必须是CV_8UC1或者CV_8UC3)
   * 第二个参数：传出的图片
   * 第三个参数：每个像素领域的直径
   * 第四个参数：sigmaColor，这个值越大，该像素领域内会有更广的颜色被混合到一起
   * 第五个参数：sigmaSpace，这个值越大，越远的像素会互相影响，第三个参数大于0时，领域的大小和这个值无关，否则成正比
   * 第六个参数：使用默认值BORDER_DEFAULT
   */
CV_EXPORTS_W void bilateralFilter( InputArray src, OutputArray dst, int d,
double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT );

extern "C"
JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_blurImage(JNIEnv *env, jclass type,jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);
    Mat img(h, w, CV_8UC3, pixels);
    Mat out(h,w,CV_8UC4);
    bilateralFilter(img,out,25,25*2,25/2);
    int size = w * h;
    jint *re = (jint *) out.data;
    jintArray array = env->NewIntArray(size);
    env->SetIntArrayRegion(array, 0, size, re);
    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return array;
    }

这里写图片描述