低通滤波器的意义在于降低图像变化的幅度,一种方案是将每个像素替换为相邻像素的平均值。这样,快速的强度变化就能转化为平缓的过渡。
常见的函数有两个,首先介绍
cv::blur
void blur( InputArray src, OutputArray dst,
Size ksize, Point anchor = Point(-1,-1),
int borderType = BORDER_DEFAULT );
我们首先理解一下blur函数的原理,blur函数使用一个由用户定义的n*n的矩阵,并和选定的图像进行卷积运算,并把得到的值重新赋值给Point,我们也称其为锚点。例如一个3*3的矩阵(这个矩阵一定是归一的):
1/9 1/9 1/9 1 2 3
1/9 1/9 1/9 4 5 6
1/9 1/9 1/9 7 8 9
前面是用户定义矩阵,后面是目标图像的矩阵,那么二者作用就是对应项相乘。最后把乘值赋值给对应的锚点。
在后面这个矩阵中,5代表着锚点(0, 0),同理,1代表着锚点(-1, -1)
也就是说,在作用之后,1将会被重新赋值为5。之后矩阵移动,再重新计算,这样,就使得图像趋于平滑。
第二个常用函数是
cv::GaussianBlur
void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
double sigmaX, double sigmaY = 0,
int borderType = BORDER_DEFAULT );
这个函数中,唯一需要说的就是sigmaX,在这里我们不讨论数学,只需知道,这个值越大,生成的图像就越平坦。
源码万分简单:
int main()
{
cv::Mat image = cv::imread("F:\\Image\\boldt.jpg");
cv::Mat result_blur, result_Gau;
cv::blur(image, result_blur, cv::Size(5, 5), cv::Point(0, 0));
cv::GaussianBlur(image, result_Gau, cv::Size(5, 5), 1.5);
cv::imshow("Filtered by Blur", result_blur);
cv::imshow("Filtered by Gau", result_Gau);
cv::waitKey(0);
return 0;
}
两个结果: