1、原理
高斯滤波是以距离为权重，设计滤波模板作为滤波系数，只考虑了像素间的空间位置上的关系，因此滤波的结果会丢失边缘的信息。
高斯滤波的缺陷如下图所示：平坦区域正常滤波，图像细节没有变化，而在突变的边缘上，因为只使用了距离来确定滤波权重，导致边缘被模糊。
在高斯基础上，进一步优化，叠加了像素值的考虑，因此也就引出了双边滤波，一种非线性滤波，滤波效果对保留边缘更有效。
为了理解双边滤波的距离和像素差两个影响因素，先说明下面两个概念帮助理解。
空间距离：当前点距离滤波模板中心点的欧式距离。
灰度距离：当前点距离滤波模板中心点的灰度的差值的绝对值。
双边滤波的核函数是空间域核与像素范围域核的综合结果：
1）在图像的平坦区域，像素值变化很小，那么像素差值接近于0，对应的像素范围域权重接近于1，此时空间域权重起主要作用，相当于进行高斯模糊；
2）在图像的边缘区域，像素值变化很大，那么像素差值大，对应的像素范围域权重变大，即使距离远空间域权重小，加上像素域权重总的系数也较大，从而保护了边缘的信息。
双边滤波的效果如下图，在突变的边缘上，使用了像素差权重，所以很好的保留了边缘。
双边滤波的原理如下图所示。
2、测试实验
OpenCV函数原型：
CV_EXPORTS_W void bilateralFilter( InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT );
InputArray src: 输入图像，可以是Mat类型，图像必须是8位或浮点型单通道、三通道的图像。
OutputArray dst: 输出图像，和原图像有相同的尺寸和类型。
int d: 表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数，则函数会从第五个参数sigmaSpace计算该值。
double sigmaColor: 颜色空间过滤器的sigma值，这个参数的值越大，更大的值域空间影响结果。
double sigmaSpace: 坐标空间中滤波器的sigma值，如果该值较大，更大的定义域空间影响结果。
int borderType=BORDER_DEFAULT:边界模式，有默认值BORDER_DEFAULT.
测试代码：
static void OnBilateralFilter(int filterSz, void *) { bilateralFilter(img, img3, filterSz, filterSz * 2, filterSz / 2); imshow("双边滤波", img3); } namedWindow("双边滤波", 1); createTrackbar("内核值", "双边滤波", &gMedianBlurValue, 40, OnBilateralFilter); OnBilateralFilter(gMedianBlurValue, 0);
3、测试结果
4、参考文献
Bilateral Filtering for Gray and Color Images, C. Tomasi, R. Manduch
http://www.cs.jhu.edu/~misha/ReadingSeminar/Papers/Tomasi98.pdf
Smoothing Images
Bilateral Filters（双边滤波算法）原理及实现（一）
https://blog.csdn.net/u013066730/article/details/87859184
个人博客，转载请注明。