【OpenCV 完整例程】60. 非線性濾波—聯合雙邊濾波

【OpenCV 完整例程】60. 非線性濾波—聯合雙邊濾波（Joint bilateral filter）

歡迎關注 『OpenCV 完整例程 100 篇』 系列，持續更新中
歡迎關注 『Python小白的OpenCV學習課』 系列，持續更新中

影像濾波是在盡可能保留影像細節特征的條件下對目標影像的噪聲進行抑制，是常用的影像預處理操作，

2.5 非線性濾波—聯合雙邊濾波（Joint bilateral filter）

聯合雙邊濾波是在雙邊濾波基礎上對相似性權重模板進行優化，對于紋理影像的處理效果較好，

聯合雙邊濾波與雙邊濾波的區別在于：雙邊濾波是根據影像中不同位置的灰度值差異建立相似性權重模板，再與距離權重模板相乘計算卷積核；聯合濾波是先對影像進行高斯平滑，然后根據高斯平滑影像的灰度值差異建立相似性模板，再計算卷積核，即聯合雙邊濾波是根據原始影像的高斯平滑作為引導圖片來建立相似性模板，進一步地，如果使用其它引導圖片來建立相似性模板，還可以實作其它功能，

OpenCV 在 ximgproc 模塊提供了 cv.ximgproc.jointBilateralFilter 函式實作聯合雙邊濾波演算法，

函式說明：

cv.ximgproc.jointBilateralFilter(joint, src, d, sigmaColor, sigmaSpace[, dst[, borderType]])  → dst

引數說明：

• src：輸入影像，可以是灰度影像，也可以是多通道的彩色影像
• joint：聯合濾波的導向影像，大小和型別與 src 相同
• dst：輸出影像，大小和型別與 src 相同
• d：濾波核的像素鄰域直徑
• sigmaColor：濾波器核在顏色空間的方差，反映產生顏色影響的顏色強度區間的大小
• sigmaSpace：濾波器核在坐標空間的方差，反映產生顏色影響的影響空間的大小
• borderType：邊界擴充的型別

注意事項：

1. OpenCV3 中的 ximgproc 模塊提供聯合雙邊濾波演算法，ximgproc 屬于擴展模塊，因此需要安裝擴展包（opencv-contrib-python）提供支持，
2. 除了主模塊，還引入了contrib，其中的ximgproc模塊包括了聯合雙邊濾波的演算法，因此如果需要使用opencv的聯合雙邊濾波，需要安裝opencv-contrib-python包，

參考例程：

    # 1.75：影像的非線性濾波—聯合雙邊濾波器
    # 注意：本例程需要 opencv-contrib-python 包的支持
    img = cv2.imread("../images/imgFabricNoise.png", flags=0)

    imgBiFilter =cv2.bilateralFilter(img, d=5, sigmaColor=100, sigmaSpace=10)
    imgGauss = cv2.GaussianBlur(img, (5,5), sigmaX=1)  # 高斯濾波用作導向影像
    imgJointBiFilter = cv2.ximgproc.jointBilateralFilter(imgGauss, img, d=5, sigmaColor=10, sigmaSpace=5)

    plt.figure(figsize=(9, 6))
    plt.subplot(131), plt.axis('off'), plt.title("Original")
    plt.imshow(img, cmap='gray', vmin=0, vmax=255)
    plt.subplot(132), plt.axis('off'), plt.title("cv2.bilateralFilter")
    plt.imshow(imgBiFilter, cmap='gray', vmin=0, vmax=255)
    plt.subplot(133), plt.axis('off'), plt.title("cv2.jointBilateralFilter")
    plt.imshow(imgJointBiFilter, cmap='gray', vmin=0, vmax=255)
    plt.tight_layout()
    plt.show()

（本節完）

著作權宣告：

youcans@xupt 原創作品，轉載必須標注原文鏈接

Copyright 2021 youcans, XUPT

Crated：2021-11-29

歡迎關注 『OpenCV 完整例程 100 篇』 系列，持續更新中
歡迎關注 『Python小白的OpenCV學習課』 系列，持續更新中

【OpenCV 完整例程】01. 影像的讀取（cv2.imread）
【OpenCV 完整例程】02. 影像的保存（cv2.imwrite）
【OpenCV 完整例程】03. 影像的顯示（cv2.imshow）
【OpenCV 完整例程】04. 用 matplotlib 顯示影像（plt.imshow）
【OpenCV 完整例程】05. 影像的屬性（np.shape）
【OpenCV 完整例程】06. 像素的編輯（img.itemset）
【OpenCV 完整例程】07. 影像的創建（np.zeros）
【OpenCV 完整例程】08. 影像的復制（np.copy）
【OpenCV 完整例程】09. 影像的裁剪（cv2.selectROI）
【OpenCV 完整例程】10. 影像的拼接（np.hstack）
【OpenCV 完整例程】11. 影像通道的拆分（cv2.split）
【OpenCV 完整例程】12. 影像通道的合并（cv2.merge）
【OpenCV 完整例程】13. 影像的加法運算（cv2.add）
【OpenCV 完整例程】14. 影像與標量相加（cv2.add）
【OpenCV 完整例程】15. 影像的加權加法（cv2.addWeight）
【OpenCV 完整例程】16. 不同尺寸的影像加法
【OpenCV 完整例程】17. 兩張影像的漸變切換
【OpenCV 完整例程】18. 影像的掩模加法
【OpenCV 完整例程】19. 影像的圓形遮罩
【OpenCV 完整例程】20. 影像的按位運算
【OpenCV 完整例程】21. 影像的疊加
【OpenCV 完整例程】22. 影像添加非中文文字
【OpenCV 完整例程】23. 影像添加中文文字
【OpenCV 完整例程】23. 影像添加中文文字
【OpenCV 完整例程】24. 影像的仿射變換
【OpenCV 完整例程】25. 影像的平移
【OpenCV 完整例程】26. 影像的旋轉（以原點為中心）
【OpenCV 完整例程】27. 影像的旋轉（以任意點為中心）
【OpenCV 完整例程】28. 影像的旋轉（直角旋轉）
【OpenCV 完整例程】29. 影像的翻轉（cv2.flip）
【OpenCV 完整例程】30. 影像的縮放（cv2.resize）
【OpenCV 完整例程】31. 影像金字塔（cv2.pyrDown）
【OpenCV 完整例程】32. 影像的扭變（錯切）
【OpenCV 完整例程】33. 影像的復合變換
【OpenCV 完整例程】34. 影像的投影變換
【OpenCV 完整例程】35. 影像的投影變換（邊界填充）
【OpenCV 完整例程】36. 直角坐標與極坐標的轉換
【OpenCV 完整例程】37. 影像的灰度化處理和二值化處理
【OpenCV 完整例程】38. 影像的反色變換（影像反轉）
【OpenCV 完整例程】39. 影像灰度的線性變換
【OpenCV 完整例程】40. 影像分段線性灰度變換
【OpenCV 完整例程】41. 影像的灰度變換（灰度級分層）
【OpenCV 完整例程】42. 影像的灰度變換（位元平面分層）
【OpenCV 完整例程】43. 影像的灰度變換（對數變換）
【OpenCV 完整例程】44. 影像的灰度變換（伽馬變換）
【OpenCV 完整例程】45. 影像的灰度直方圖
【OpenCV 完整例程】46. 直方圖均衡化
【OpenCV 完整例程】47. 影像增強—直方圖匹配
【OpenCV 完整例程】48. 影像增強—彩色直方圖匹配
【OpenCV 完整例程】49. 影像增強—區域直方圖處理
【OpenCV 完整例程】50. 影像增強—直方圖統計量影像增強
【OpenCV 完整例程】51. 影像增強—直方圖反向追蹤
【OpenCV 完整例程】52. 影像的相關與卷積運算
【OpenCV 完整例程】53. Scipy 實作影像二維卷積
【OpenCV 完整例程】54. OpenCV 實作影像二維卷積
【OpenCV 完整例程】55. 可分離卷積核
【OpenCV 完整例程】56. 低通盒式濾波器
【OpenCV 完整例程】57. 低通高斯濾波器
【OpenCV 完整例程】58. 非線性濾波—中值濾波
【OpenCV 完整例程】59. 非線性濾波—雙邊濾波
【OpenCV 完整例程】60. 非線性濾波—聯合雙邊濾波