C++实现自适应双边滤波算法

自适应双边滤波算法是一种常用的图像滤波算法，其可以在保持图像边缘信息的同时去除图像噪声。下面是C++实现自适应双边滤波算法的代码，具体注释见代码中：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

// 定义自适应双边滤波函数
Mat adaptive_bilateral_filter(Mat input, int size, double sigma_d, double sigma_r)
{
    Mat output = Mat::zeros(input.size(), input.type());  // 初始化输出图像
    int radius = size / 2;  // 计算滤波半径
    int rows = input.rows;
    int cols = input.cols;
    int channels = input.channels();
    double c1 = 1.0 / (2.0 * sigma_d * sigma_d);  // 计算常数C1
    double c2 = 1.0 / (2.0 * sigma_r * sigma_r);  // 计算常数C2

    // 对每个像素进行滤波处理
    for (int i = 0; i < rows; i++) {
        for (int j = 0; j < cols; j++) {
            double sum1 = 0.0;
            double sum2 = 0.0;
            for (int k = -radius; k <= radius; k++) {
                for (int l = -radius; l <= radius; l++) {
                    int row = i + k;
                    int col = j + l;
                    if (row >= 0 && row < rows && col >= 0 && col < cols) {
                        double d = sqrt((double)k * k + (double)l * l);  // 计算欧式距离
                        double w1 = exp(-c1 * d * d);  // 计算空域权重
                        double diff = input.at<uchar>(i, j) - input.at<uchar>(row, col);  // 计算像素值差异
                        double w2 = exp(-c2 * diff * diff);  // 计算灰度值权重
                        sum1 += w1 * w2 * input.at<uchar>(row, col);  // 计算加权像素值之和
                        sum2 += w1 * w2;  // 计算加权权重之和
                    }
                }
            }
            output.at<uchar>(i, j) = (uchar)(sum1 / sum2);  // 更新输出图像像素值
        }
    }

    return output;
}

int main()
{
    Mat input = imread("lena.jpg", IMREAD_GRAYSCALE);  // 读取灰度图像
    if (input.empty()) {
        cout << "读取图像失败！" << endl;
        return -1;
    }

    Mat output = adaptive_bilateral_filter(input, 11, 10.0, 10.0);  // 自适应双边滤波
    imshow("input", input);
    imshow("output", output);
    waitKey(0);

    return 0;
}

其中，`adaptive_bilateral_filter()`函数是自适应双边滤波的具体实现函数，输入参数包括原始图像`input`、窗口大小`size`、空域标准差`sigma_d`和灰度值标准差`sigma_r`，输出参数为滤波后的图像`output`。

在`main()`函数中，首先读取灰度图像`input`，然后调用`adaptive_bilateral_filter()`函数进行自适应双边滤波，并将结果保存在`output`中，最后显示原始图像和滤波后的图像。