计算机视觉 / 系统课时
使用双边滤波
使用双边滤波
双边滤波适合“需要降噪,但不能把轮廓一起抹平”的图像。它同时考虑像素的空间距离和颜色差异,因此比普通高斯模糊更能保留强边缘。本节用一段可运行代码观察三个核心参数,并给出调参顺序。
学习目标
- 理解
d、sigmaColor、sigmaSpace分别控制什么 - 使用
cv2.bilateralFilter在降噪与保边之间取得平衡 - 根据边缘变软、噪声残留和运行速度定位参数问题
双边滤波为什么能保边
普通平滑主要按“离中心像素有多远”分配权重,边缘两侧的像素也可能互相平均。双边滤波多加了一层颜色相似度判断:距离近但颜色差很大的像素会被明显降权,因此强边缘不容易被跨越。

三个参数可以这样理解:d 是参与计算的邻域直径;sigmaSpace 决定空间上多远的像素仍有明显影响;sigmaColor 决定颜色差多大时仍允许互相平均。sigmaColor 过大时,边缘两侧也会开始混合;过小时,噪声可能保留过多。
运行一个可控示例
下面生成一张带明显左右边缘和随机噪声的测试图,再执行双边滤波。固定随机种子后,每次运行得到相同输入,便于比较参数变化。
python
import cv2
import numpy as np
def main():
rng = np.random.default_rng(7)
image = np.full((240, 360, 3), 70, dtype=np.uint8)
image[:, 180:] = 190
# 在平坦区域中加入噪声,同时保留中间的强边缘。
noise = rng.normal(0, 20, image.shape).astype(np.int16)
noisy = np.clip(image.astype(np.int16) + noise, 0, 255).astype(np.uint8)
# d 控制邻域大小;两个 sigma 分别控制颜色域和空间域的权重衰减。
filtered = cv2.bilateralFilter(
noisy,
d=9,
sigmaColor=50,
sigmaSpace=7
)
cv2.imwrite("bilateral-input.png", noisy)
cv2.imwrite("bilateral-output.png", filtered)
print("generated: bilateral-input.png")
print("generated: bilateral-output.png")
if __name__ == "__main__":
main()预期输出
text
generated: bilateral-input.png
generated: bilateral-output.png打开两张图片后,bilateral-output.png 的平坦区域应明显更干净,而中间明暗分界仍较清楚。不同 OpenCV 版本可能在像素舍入上有极小差异,但不会改变整体效果。
按现象调整参数
如果噪声仍明显,优先小幅增大 sigmaColor;如果希望更远的邻域参与平滑,再增大 sigmaSpace。d 通常保持在较小奇数附近即可,邻域越大,计算量也越高。
双边滤波适合人像皮肤、卡通图、文档边缘附近的轻度降噪等场景;当图像很大、实时性优先或不要求保边时,高斯滤波通常更便宜。
按自己的节奏,确认真正理解。