sepFilter2D()OpenCv中的可分离滤波器简介

一个 2 维滤波器,如果可以分离为x 方向和 y 方向两个独立的 1 维滤波器。那么这个 2 维滤波器就称为 可分离滤波器。比如我们上面介绍的高斯滤波器就是一个典型的可分离滤波器。具有这种性质的滤波器有快速算法,可以比不具有这个性质的普通的滤波器更高效的计算。

这个函数的接口如下所示:

//! applies separable 2D linear filter to the image
CV_EXPORTS_W void sepFilter2D( InputArray src, OutputArray dst, int ddepth,
                                   InputArray kernelX, InputArray kernelY,
                                    Point anchor=Point(-1,-1),
                                    double delta=0, int borderType=BORDER_DEFAULT );

与其他滤波器最大的区别就是需要传进 2 个滤波器核,kernelX 和 kernelY。下面举个例子:

cv::Mat kernel = cv::getGaussianKernel( 7 , 1.5 , CV_32F);
cv::sepFilter2D(image, result, - 1 , kernel, kernel);

相当于对 image 进行了一次高斯滤波,也就是说与下面的代码等效
cv::GaussianBlur(image, result, cv::Size(7, 7), 1.5);

?
以下是使用C语言实现OpenCV分离均值滤波器的示例代码: ``` #include <stdio.h> #include <stdlib.h> #include <opencv2/opencv.hpp> using namespace cv; int main(int argc, char** argv) { if (argc != 2) { printf("Usage: ./mean_filter <image_path>\n"); return -1; } Mat image, blurred_image; image = imread(argv[1], IMREAD_COLOR); if (!image.data) { printf("Could not open or find the image.\n"); return -1; } int kernel_size = 5; float kernel_data[kernel_size] = { 0.2, 0.2, 0.2, 0.2, 0.2 }; Mat horizontal_kernel = Mat(1, kernel_size, CV_32F, kernel_data); Mat vertical_kernel = Mat(kernel_size, 1, CV_32F, kernel_data); sepFilter2D(image, blurred_image, -1, horizontal_kernel, vertical_kernel, Point(-1, -1), 0, BORDER_DEFAULT); namedWindow("Original Image", WINDOW_NORMAL); namedWindow("Blurred Image", WINDOW_NORMAL); imshow("Original Image", image); imshow("Blurred Image", blurred_image); waitKey(0); return 0; } ``` 在上述代码,我们首先读入一张彩色图像,然后定义了一个5x5的均值核,并将其分别转换为水平和垂直方向的核。接着,我们使用OpenCV的`sepFilter2D`函数对图像进行分离均值滤波。最后,我们将原始图像和模糊后的图像显示在两个窗口,等待用户按下任意键退出程序。 需要注意的是,在使用`sepFilter2D`函数时,我们需要将`ddepth`参数设置为`-1`,这表示输出图像的深度与输入图像相同。另外,我们还需要指定卷积核的心点位置为`(-1,-1)`,表示心点位置为核的心,默认情况下,心点位置为核的左上角。最后一个参数表示边缘填充方式,默认为`BORDER_DEFAULT`,表示使用默认的边缘填充方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值