开发车载环视（AVM）系统时，摄像头画面直接拿过来是没法用的。雨天的噪点、夜间的椒盐干扰、广角镜头带来的桶形畸变——这些不先处理好，后面的拼接和检测都是空谈。这篇笔记整理一下滤波与畸变矫正的工程实践，附带一些 C++ 里值得注意的细节。
图像滤波与降噪
车载场景下最常见的噪声有两种：高斯噪声（画面发灰，像蒙了层雾）和椒盐噪声（随机黑白点，夜间灯光干扰时尤其明显）。滤波的核心要求是：去噪的同时别把车道线、障碍物边缘给模糊了。
高斯滤波是最基础的选择。计算量小，平滑效果自然，晴雨天都能用。OpenCV 里直接调 GaussianBlur，一般用 3×3 核，σ 取 1.5 左右就好。车速快、帧率高的时候，高斯是实时的保证。
中值滤波专治椒盐噪声。它把像素邻域排序后取中值，能有效抹掉孤立噪点。但中值滤波的耗时比高斯高不少，所以通常只在夜间或检测到大量椒盐时才切换过去。
双边滤波既能降噪又能保边缘，听起来很完美，但计算量实在太大。只在一些高端车、算力充裕的项目里用，或者只对关键区域（比如车位线周围）局部使一下。
在代码里，滤波函数的参数用 Mat& 引用传递，这是车载实时性的硬要求。OpenCV 的 Mat 对象内部存着几 MB 的图像数据，值传递会触发深拷贝，帧率直接崩掉。引用传递只传指针，没有拷贝开销。另外，为了方便调用，我在实现文件里用了 using namespace cv;，省得到处写 cv:: 前缀。头文件里别这样干，污染命名空间。
实际工程中，路况多变，需要根据光照和环境动态切换滤波算法。策略模式很适合这个场景：定义一个 FilterStrategy 接口，高斯、中值各自实现，再用一个上下文类按条件调度。新增算法（比如导向滤波）时完全不用改老代码。下面是一个精简过的实现：
#include <opencv2/opencv.hpp>
using namespace cv;
class FilterStrategy {
public:
virtual ~FilterStrategy() {}
virtual Mat filter(Mat& src) = 0;
};
class GaussianFilter : public FilterStrategy {
public:
Mat filter(Mat& src) override {
Mat dst;
GaussianBlur(src, dst, Size(3, 3), 1.5);
return dst;
}
};
class MedianFilter : FilterStrategy {
:
{
Mat dst;
(src, dst, );
dst;
}
};
{
:
FilterStrategy* strategy;
:
}
~() { strategy; }
{ strategy->(src); }
};
{
FilterStrategy* strategy = ;
(road_condition == ) {
strategy = ();
} (road_condition == ) {
strategy = ();
} {
strategy = ();
}
;
ctx.(src);
}
