在圖像處理領(lǐng)域中，在真正的應(yīng)用過程前，通常需要對圖像進(jìn)行預(yù)先處理，達(dá)到去除干擾項的目的。濾波去噪就是其中的一項圖像預(yù)處理工作。

在.NET下常用OpenCV進(jìn)行圖像處理工作,常用的.NET下的OpenCV庫有Emgu CV和OpenCVSharp。

** EmguCV**是.NET平臺下對OpenCV圖像處理庫的封裝,也就是.NET版的OpenCV。由于OpenCV是用C和C++編寫的,Emgu用C#對其進(jìn)行封裝,允許用.Net語言來調(diào)用OpenCV函數(shù),如C#、VB、VC++等。

OpenCvSharp ^ ^是一個OpenCV的.Net wrapper，應(yīng)用最新的OpenCV庫開發(fā)，使用習(xí)慣比EmguCV更接近原始的OpenCV，有詳細(xì)的使用樣例供參考。。使用OpenCvSharp，可用C#，VB.NET等語言實(shí)現(xiàn)多種流行的圖像處理(image processing)與計算機(jī)視覺(computer vision)算法。

一、 中值濾波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//實(shí)例化一個三通道的OPENCV的圖像對象
Int k=3;//濾波核，奇數(shù)
 img =img.SmoothMedian(k);//按照指定的濾波核進(jìn)行中值濾波
Bitmap bitmap= img.Bitmap;//輸出Bitmap格式的結(jié)果

二、 高斯濾波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//實(shí)例化一個三通道的OPENCV的圖像對象
Int k=3;//濾波核，奇數(shù)
img = img. SmoothGaussian (k);//按照指定的濾波核進(jìn)行高斯濾波
Bitmap bitmap= img.Bitmap;//輸出Bitmap格式的結(jié)果

三、 均值濾波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//實(shí)例化一個三通道的OPENCV的圖像對象
Int k=3;//濾波核，奇數(shù)
img = img. SmoothBlur (k,k);//按照指定的濾波核進(jìn)行均值濾波
Bitmap bitmap= img.Bitmap;//輸出Bitmap格式的結(jié)果

四、 方框濾波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//實(shí)例化一個三通道的OPENCV的圖像對象
Int k=3;//濾波核，奇數(shù)
CvInvoke.BoxFilter(img, img, DepthType.Default, new Size(k, k), new Point(-1, -1));//按照指定的濾波核進(jìn)行方框濾波
Bitmap bitmap= img.Bitmap;//輸出Bitmap格式的結(jié)果

五、 雙邊濾波

Image image = Image.FromFile("xx.jpg");
Imagebyte> img = new Imagebyte>((Bitmap)image);//實(shí)例化一個三通道的OPENCV的圖像對象
Int k=3;//濾波核，奇數(shù)
CvInvoke.EdgePreservingFilter(img, img, EdgePreservingFilterFlag.NormconvFilter, k, 0.4f);;//按照指定的濾波核進(jìn)行雙邊濾波
Bitmap bitmap= img.Bitmap;//輸出Bitmap格式的結(jié)果

六、 非局部去噪

CvInvoke.FastNlMeansDenoising(img, img);

七、 彩色模糊

色彩聚類平滑濾波    用于區(qū)域分割
CvInvoke.PyrMeanShiftFiltering(img, img,5, 5, 2, newMCvTermCriteria(2));

八、 離散余弦變換DCT濾波

/// 

       ///離散余弦變換(Dct)濾波
/// 
        /// 圖像加載到opencv的mat數(shù)據(jù)格式
        /// 
        public static Mat Dct(Mat mat)
        {
            if (mat.NumberOfChannels < 3)//單通道圖像，即二值化圖或者灰度圖
            {
                if (mat.Size.Height % 2 != 0)//圖像長寬需要為偶數(shù)，如果不是則進(jìn)行擴(kuò)邊處理
                {
                    CvInvoke.CopyMakeBorder(mat, mat, 0, 1, 0, 0, BorderType.Constant);
                }
                if (mat.Size.Width % 2 != 0) //圖像長寬需要為偶數(shù)，如果不是則進(jìn)行擴(kuò)邊處理
                {
                    CvInvoke.CopyMakeBorder(mat, mat, 0, 0, 0, 1, BorderType.Constant);
                }
                Mat matdst = new Mat();
                Emgu.CV.XPhoto.XPhotoInvoke.DctDenoising(mat, matdst, 8);
                return matdst;
            }
            else
            {
                Mat[] Matbgr = mat.Split();//三通道圖像，需要拆分三個獨(dú)立的單通道進(jìn)行處理，
                for (int i = 0; i < Matbgr.Length; i++)
                {
                    Matbgr[i] = Dct(Matbgr[i]);//按單通道處理
                }
                List<Mat> listmat = new List<Mat>();
                for (int i = 0; i < Matbgr.Length; i++)
                {
                    listmat.Add(Matbgr[i]);
                }
                VectorOfMat vm = new VectorOfMat(listmat.ToArray());//合并處理后的通道
                CvInvoke.Merge(vm, mat);
                return mat;
            }
        }

九、 閾值濾波

思路：

1. 圖像轉(zhuǎn)成灰度
2. 計算灰度平均值
3. 以灰度平均值作為臨界點(diǎn)進(jìn)行二值化處理
4. 輪廓檢測
5. 遍歷所有的輪廓，得到每個輪廓的矩形范圍（一般就是每個噪聲點(diǎn)的范圍）
6. 判斷每個矩形的長寬是否小于給定值，并用白色在原來的圖像上進(jìn)行填充，即把認(rèn)為是噪點(diǎn)的范圍用白色顏色填充
7. 返回處理后的圖像

Image image = Image.FromFile("xx.jpg");
Int k=5;//濾波核,
  ImageByte> img = new Imagebyte>((Bitmap)image);
                ImageByte> gray = img.ConvertByte>();
                Gray average = gray.GetAverage();//平均值
                CvInvoke.Threshold(gray, gray, average.MCvScalar.V0 - average.MCvScalar.V0 * 0.2, 255, ThresholdType.Binary);//二值化


                using (VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint())
                {
                    CvInvoke.FindContours(gray, contours, gray, RetrType.List, ChainApproxMethod.ChainApproxSimple);
                    int count = contours.Size;
                    for (int i = 0; i < count; i++)
                    {
                        using (VectorOfPoint contour = contours[i])
                        using (VectorOfPoint approxContour = new VectorOfPoint())
                        {
                            Rectangle rec = CvInvoke.BoundingRectangle(contour);
                            if (rec.Width <= k && rec.Height <= k)
                            {
                                CvInvoke.Rectangle(img, rec, new MCvScalar(255, 255, 255), -1);
                            }
                        }
                    }
                }
                return img.Bitmap;