雙邊濾波（Bilateral Filtering）是一種在圖像處理中常用的非線性濾波技術，主要用于去噪和保邊。它在空間域和像素值域上同時進行加權，既考慮了像素之間的空間距離，也考慮了像素值之間的相似度，從而能夠有效地平滑圖像中的噪聲，同時保留邊緣細節。

雙邊濾波的原理可以分為以下幾個步驟：
1 空間加權：考慮中心像素與鄰域像素之間的空間距離。通常使用高斯函數來計算權重，空間距離越遠，權重越小。這種權重計算與傳統的高斯濾波類似。

2 像素值加權：考慮中心像素與鄰域像素之間的像素值差異。使用高斯函數來計算權重，像素值差異越大，權重越小。這種權重計算使得濾波能夠保留邊緣細節。

3 加權求和：結合空間權重和像素值權重，對中心像素進行加權平均。雙邊濾波的輸出像素值為：

通過以上步驟，雙邊濾波能夠在平滑圖像的同時，保持邊緣的銳利度，從而在去噪的同時不模糊圖像中的重要細節。這使得它在各種圖像處理任務中得到了廣泛應用，如去噪、邊緣檢測、圖像增強等。

下面是使用OpenCV實現雙邊濾波的C++示例代碼：

#include <opencv2/opencv.hpp>
#include <iostream>int main() {// 讀取圖像cv::Mat src = cv::imread("path_to_your_image.jpg");if (src.empty()) {std::cerr << "無法讀取圖像!" << std::endl;return -1;}// 進行雙邊濾波cv::Mat dst;cv::bilateralFilter(src, dst, 15, 80, 80);// 顯示原圖和濾波后的圖像cv::imshow("原圖", src);cv::imshow("雙邊濾波", dst);// 保存結果cv::imwrite("bilateral_filter_output.jpg", dst);cv::waitKey(0);return 0;
}

下面是使用OpenCV實現雙邊濾波的Python示例代碼

import cv2# 讀取圖像
src = cv2.imread('path_to_your_image.jpg')
if src is None:print("無法讀取圖像!")exit()# 進行雙邊濾波
dst = cv2.bilateralFilter(src, 15, 80, 80)# 顯示原圖和濾波后的圖像
cv2.imshow('原圖', src)
cv2.imshow('雙邊濾波', dst)# 保存結果
cv2.imwrite('bilateral_filter_output.jpg', dst)cv2.waitKey(0)
cv2.destroyAllWindows()

關于函數bilateralFilter參數的說明：
第一個參數是輸入圖像。
第二個參數是輸出圖像。
第三個參數是空間域的直徑大小，用于計算像素鄰域。
第四個參數是顏色域的標準差，決定了顏色相似性。
第五個參數是空間域的標準差，決定了空間鄰近性。

使用MATLAB實現雙邊濾波的示例代碼見本博文原文，鏈接：
https://www.hhai.cc/thread-248-1-1.html