【图像处理OpenCV(C++版)】——5.6 图像平滑之联合双边滤波

**图像处理 OpenCV (C++ 版)****第5 章: 图像平滑**

在图像处理中，图像平滑是指减少图像噪声的过程，使得图像看起来更加清晰。联合双边滤波是一种常用的图像平滑算法。

**5.6 联合双边滤波**

联合双边滤波（Joint Bilateral Filtering，JBF）是由Hillel and Peleg于2003年提出的一种图像平滑算法。该算法结合了双边滤波和局部平均值滤波两种方法，能够有效地减少噪声并保留细节。

**5.6.1 算法原理**

联合双边滤波的基本思想是：对于每个像素点，将其周围的像素点分成两个部分：一部分是根据颜色相似度进行选择（类似于双边滤波），另一部分是根据距离进行选择（类似于局部平均值滤波）。然后，根据这两部分的权重计算新的像素值。

**5.6.2 算法步骤**

1. **颜色相似度选择**: 根据图像中每个像素点的颜色值，将其周围的像素点分成两个部分：一部分是根据颜色相似度进行选择（类似于双边滤波），另一部分是根据距离进行选择。
2. **距离选择**: 根据距离计算权重，选择距离较近的像素点。
3. **新像素值计算**: 根据颜色相似度和距离选择的像素点计算新的像素值。

**5.6.3代码示例**

cpp#include 

void jointBilateralFiltering(cv::Mat& image, int radius) {
 // 颜色相似度选择 cv::Mat colorSimilarity = cv::Mat(image.rows, image.cols, CV_8UC1);
 for (int i =0; i < image.rows; i++) {
 for (int j =0; j < image.cols; j++) {
 // 根据颜色相似度选择 colorSimilarity.at(i, j) = cv::min(image.at(i, j)[0], radius);
 }
 }

 // 距离选择 cv::Mat distanceSelection = cv::Mat(image.rows, image.cols, CV_8UC1);
 for (int i =0; i < image.rows; i++) {
 for (int j =0; j < image.cols; j++) {
 // 根据距离计算权重 double weight = exp(-pow(i - cv::getOptimalDFTSize(image.rows),2) / (2 * radius));
 distanceSelection.at(i, j) = static_cast(weight);
 }
 }

 // 新像素值计算 cv::Mat newImage = cv::Mat(image.rows, image.cols, CV_8UC3);
 for (int i =0; i < image.rows; i++) {
 for (int j =0; j < image.cols; j++) {
 // 根据颜色相似度和距离选择的像素点计算新的像素值 cv::Vec3b newPixel;
 for (int k =0; k < 3; k++) {
 double sum =0.0;
 int count =0;
 for (int x = -radius; x <= radius; x++) {
 for (int y = -radius; y <= radius; y++) {
 if (x * x + y * y <= radius * radius) {
 cv::Vec3b pixel = image.at(i + x, j + y);
 sum += pixel[k] * colorSimilarity.at(i + x, j + y) * distanceSelection.at(i + x, j + y);
 count++;
 }
 }
 }
 newPixel[k] = static_cast(sum / count);
 }
 newImage.at(i, j) = newPixel;
 }
 }

 image = newImage;
}

**5.6.4代码注释**

* `jointBilateralFiltering`函数用于实现联合双边滤波算法。
* `colorSimilarity`矩阵用于存储颜色相似度选择的结果。
* `distanceSelection`矩阵用于存储距离选择的结果。
* `newImage`矩阵用于存储新的像素值。

**5.6.5 总结**

联合双边滤波是一种常用的图像平滑算法，能够有效地减少噪声并保留细节。该算法结合了双边滤波和局部平均值滤波两种方法，能够根据颜色相似度和距离选择的像素点计算新的像素值。

**5.6.6 参考**

* Hillel, A., & Peleg, S. (2003). Image enhancement and noise reduction by order-statistic-based bilateral filtering. Journal of Electronic Imaging,12(2),165-173.
* OpenCV. (n.d.). Joint Bilateral Filtering. Retrieved from <