1、cvSmooth函式用法

 定義原型

   void cvSmooth( const CvArr* src, CvArr* dst,int smoothtype=CV_GAUSSIAN,
               int param1, int param2, double param3, double param4 );
src:輸入影象.
dst:輸出影象.
smoothtype平滑方法:
CV_BLUR_NO_SCALE(簡單不帶尺度變換的模糊) - -對每個象素的 param1×param2 領域求和。如果鄰域大小是變化的,可以事先利用函式 cvIntegral 計算積分影象。
CV_BLUR (simple blur)- -對每個象素param1×param2鄰域求和並做尺度變換 1/(param1×param2)。
CV_GAUSSIAN(gaussian blur) - -對影象進行核大小為 param1×param2 的高斯卷積。
CV_MEDIAN(median blur) - -對影象進行核大小為param1×param1 的中值濾波 (鄰域是方的)。
CV_BILATERAL(雙向濾波) - -應用雙向 3x3 濾波，彩色 sigma=param1，空間 sigma=param2.。

    關於雙向濾波，可參考http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html。
param1
平滑操作的第一個引數.
param2
平滑操作的第二個引數. 對於簡單/非尺度變換的高斯模糊的情況，如果param2的值為零，則表示其被設定為param1。
param3
對應高斯引數的 Gaussian sigma (標準差). 如果為零，則標準差由下面的核尺寸計算：
sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 對應水平核,n=param2 對應垂直核.
對小的卷積核 (3×3 to 7×7) 使用如上公式所示的標準 sigma 速度會快。如果 param3 不為零，而 param1 和 param2 為零，則核大小由sigma 計算 (以保證足夠精確的操作).

   函式 cvSmooth 可使用上面任何一種方法平滑影象。每一種方法都有自己的特點以及侷限。
   沒有縮放的影象平滑僅支援單通道影象，並且支援8位到16位的轉換(與cvSobel和cvaplace相似)和32位浮點數到32位浮點數的變換格式。
  簡單模糊和高斯模糊支援 1- 或 3-通道, 8-位元 和 32-位元 浮點影象。這兩種方法可以（in-place）方式處理影象。
  中值和雙向濾波工作於 1- 或 3-通道， 8-點陣圖像，但是不能以 in-place 方式處理影象.

2、例項(OpenCV 1.0+VC6.0)

    原影象為495x460的單通道灰度影象，已經加有一定程度的椒鹽噪聲。

    關鍵程式碼為：

 //鄰域平均濾波
cvSmooth(pImg,pImg,CV_BLUR,3,3,0,0);           //3x3
cvSmooth(pImg,pImg,CV_BLUR,5,5,0,0);          //5x5

 //中值濾波 
  cvSmooth(pImg,pImg,CV_MEDIAN,3,3,0,0);    //3x3
  cvSmooth(pImg,pImg,CV_MEDIAN,5,5,0,0);    //5x5
 //高斯濾波
  cvSmooth(pImg,pImg,CV_GAUSSIAN,3,3,0,0);//3x3
  cvSmooth(pImg,pImg,CV_GAUSSIAN,5,5,0,0);//5x5

原圖

       從結果可以看出，對於椒鹽噪聲，3x3中值濾波已有很好的效果。