代码语言：javascript复制
import cv2
o=cv2.imread("C:/Users/xpp/Desktop/Lena.png")#原始图像
r=cv2.bilateralFilter(o,25,100,100)#双边滤波
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()算法：双边滤波是综合考虑空间信息和色彩信息的滤波方式，在滤波过程中有效地保护图像内的边缘信息。双边滤波在计算某一个像素点的值时，不仅考虑距离信息（距离越远，权重越小），还考虑色彩信息（色彩差别越大，权重越小）。双边滤波综合考虑距离和色彩的权重，既能够有效地去除噪声，又能够较好地保护边缘信息。在双边滤波中，与当前点色彩相近的像素点（颜色距离很近）会被给予较大的权重值；与当前色彩差别较大的像素点（颜色距离很远）会被给予较小的权重值（极端情况下权重可能为0，直接忽略该点），这样就保护了边缘信息。
- 图（a）是原始图像
- 图（b）是进行均值滤波后的结果。缺点：在进行均值滤波时，只考虑空间信息，此时左右两侧的像素的处理结果是综合考虑周边元素像素值，并对它们取均值得到的结果
- 图（c）是进行双边滤波后的结果
dst=cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, borderType)
- dst表示返回值，表示进行双边滤波后的结果
- src表示输入图像，图像深度是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F
- d表示滤波时选取的空间距离参数，表示以当前像素点为中心点的直径
- sigmaColor表示滤波时选取的颜色差值范围
- sigmaSpace表示坐标空间中的sigma值
- borderType表示边界样式，可选参数
注意：d值为非正数，则会自动从sigmaSpace中计算得到。如果滤波空间较大（d>5），则计算速度慢。一般推荐d=5，对于较大噪声的离线滤波，推荐d=9。当d>0时，无论sigmaSpace的值如何，d都指定邻域大小，否则，d与sigmaSpace的值成正比。在滤波处理中，与当前像素值差值小于sigmaColor的像素点，能够参与当前的滤波。sigmaColor的值越大，说明周围越多的像素点参与到运算中。当sigmaColor的值为0时，滤波没有意义；当sigmaColor的值为255时，指定直径内的所有点都能够参与运算。为了方便起见，可以将sigmaColor和sigmaSpace的值设置一样。
