作业总结：磨皮滤镜（双边滤波bilateralFilter）代码实现[通俗易懂]

大家好，又见面了，我是你们的朋友全栈君。

双边滤波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衷处理，同时考虑空间与信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部处理的特点。之所以能够达到保边去噪的滤波效果是因为滤波器由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个是由像素差值决定滤波器系数.

1 Python: cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]]) → dst

参数解释：

• src：输入图像

• d：过滤时周围每个像素领域的直径

• sigmaColor：在color space中过滤sigma。参数越大，临近像素将会在越远的地方mix。

• sigmaSpace：在coordinate space中过滤sigma。参数越大，那些颜色足够相近的的颜色的影响越大。

import cv2
import numpy as np

def nothing(x):
    pass

cv2.namedWindow("image")
cv2.createTrackbar("d","image",0,255,nothing)
cv2.createTrackbar("sigmaColor","image",0,255,nothing)
cv2.ctrateTrackbar("sigmaSpace","image",0,255,nothing)
img = cv2.imread(r"E:\src.jpg",0)
while(1):
    d = cv2.getTrackbarPos("d","image")
    sigmaColor = cv2.getTrackbarPos("sigmaColor","image")
    sigmaSpace = cv2.getTrackbarPos("sigmaSpace","image")
    out_img = cv2.bilateralFilter(img,d,sigmaColor,sigmaSpace)
    cv2.imshow("out",out_img)
    k = cv2.waitKey(1) & 0xFF
    if k ==27:
        break
cv2.destroyAllWindows()

备注：

waitKey()函数的功能是不断刷新图像，频率时间为delay，单位为ms。

返回值为当前键盘按键值。

所以显示图像时，如果需要在imshow(“xxxx”,image)后吐舌头加上while（cvWaitKey(n)==key）为大于等于0的数即可，那么程序将会停在显示函数处，不运行其他代码;直到键盘值为key的响应之后。

delay>0时，延迟”delay”ms，在显示视频时这个函数是有用的，用于设置在显示完一帧图像后程序等待”delay”ms再显示下一帧视频；如果使用waitKey(0)则只会显示第一帧视频。

返回值：如果delay>0,那么超过指定时间则返回-1；如果delay=0，将没有返回值。 
　　如果程序想响应某个按键，可利用if(waitKey(1)==Keyvalue)； 
如果delay<0,等待时间无限长，返回值为按键值

经常程序里面出现if( waitKey(10) >= 0 ) 是说10ms中按任意键进入此if块。

cv2.waitKey(1) 与 0xFF（1111 1111）相与是因为cv2.waitKey(1) 的返回值不止8位，但是只有后8位实际有效，为避免产干扰，通过 ‘与’ 操作将其余位置0。