C++ OpenCV處理圖像模糊的方法

OpenCV是一個開源的計算機視覺庫，它提供了許多用于處理圖像的函數

1. 均值濾波（Mean Filtering）： 均值濾波是一種簡單的模糊處理方法，它將圖像中每個像素點的值替換為其周圍像素點的平均值。在OpenCV中，可以使用blur()函數實現均值濾波。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    Mat src = imread("input.jpg");
    Mat dst;

    blur(src, dst, Size(5, 5)); // 使用5x5的卷積核進行均值濾波

    imwrite("output.jpg", dst);
    return 0;
}

2. 高斯濾波（Gaussian Filtering）： 高斯濾波是一種更加復雜的模糊處理方法，它使用高斯核對圖像進行濾波。與均值濾波相比，高斯濾波可以得到更加自然的模糊效果。在OpenCV中，可以使用GaussianBlur()函數實現高斯濾波。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    Mat src = imread("input.jpg");
    Mat dst;

    GaussianBlur(src, dst, Size(5, 5), 0); // 使用5x5的卷積核進行高斯濾波

    imwrite("output.jpg", dst);
    return 0;
}

3. 中值濾波（Median Filtering）： 中值濾波是一種基于中值的模糊處理方法，它將圖像中每個像素點的值替換為其周圍像素點的中值。中值濾波可以有效地去除椒鹽噪聲。在OpenCV中，可以使用medianBlur()函數實現中值濾波。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    Mat src = imread("input.jpg");
    Mat dst;

    medianBlur(src, dst, 5); // 使用5x5的卷積核進行中值濾波

    imwrite("output.jpg", dst);
    return 0;
}

4. 雙邊濾波（Bilateral Filtering）： 雙邊濾波是一種結合了高斯濾波和中值濾波的模糊處理方法，它可以在保持圖像細節的同時實現模糊。在OpenCV中，可以使用bilateralFilter()函數實現雙邊濾波。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    Mat src = imread("input.jpg");
    Mat dst;

    bilateralFilter(src, dst, 9, 75, 75); // 使用9x9的卷積核進行雙邊濾波

    imwrite("output.jpg", dst);
    return 0;
}

這些方法都可以用于處理圖像模糊，你可以根據具體需求選擇合適的方法。