openCV 低通滤波blur函数



本文转自:http://blog.csdn.net/cau_eric/article/details/27378503

opencv版本为 2.4.8 或 2.4.9


blur
Blurs an image using the normalized box filter.

blur的作用是对输入的图像src进行均值滤波后用dst输出。

 

函数原型

C++: void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )
 

参数详解如下:

  • 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。该函数对通道是独立处理的,且可以处理任意通道数的图片,但需要注意,待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
  • 第二个参数,OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
  • 第三个参数,Size类型(对Size类型稍后有讲解)的ksize,内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度, h为像素高度)。Size(3,3)就表示3x3的核大小,Size(5,5)就表示5x5的核大小
  • 第四个参数,Point类型的anchor,表示锚点(即被平滑的那个点),注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话,就表示取核的中心为锚点,所以默认值Point(-1,-1)表示这个锚点在核的中心。
  • 第五个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。

 示例:

  1.          Mat src,dst;  
  2. src = imread("e:/images/boldt.jpg");  
  3. if(!src.data)  
  4. {  
  5.     return 0;  
  6. }  
  7.   
  8. blur(src,dst,Size(3,3));  
  9.   
  10. imshow("src",src);  
  11. imshow("blur-dst-Size(3,3)",dst);  
  12. blur(src,dst,Size(8,8));  
  13. imshow("blur-dst-Size(8,8)",dst);</span>  
          Mat src,dst;
	src = imread("e:/images/boldt.jpg");
	if(!src.data)
	{
		return 0;
	}
	
	blur(src,dst,Size(3,3));

	imshow("src",src);
	imshow("blur-dst-Size(3,3)",dst);
	blur(src,dst,Size(8,8));
	imshow("blur-dst-Size(8,8)",dst);</span>

 

 

注:

blur 支持本地计算,即输入输出可以使用同一参数。

如下:

  1. blur(src,src,Size(3,3));  
  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中提供了多种高通滤波和低通滤波函数,下面分别介绍其中的几种。 1. 高斯滤波(低通滤波) 高斯滤波是一种常用的低通滤波器,可以通过对信号进行平滑处理来去除高频噪声,保留信号中的低频信息。在OpenCV中,可以使用`cv2.GaussianBlur`函数实现高斯滤波。 ```python blurred = cv2.GaussianBlur(image, (ksize, ksize), sigmaX) ``` 其中,`image`为输入图像,`ksize`为滤波器的大小,`sigmaX`为高斯核的标准差。 2. 拉普拉斯滤波(高通滤波) 拉普拉斯滤波是一种常用的高通滤波器,可以通过增强信号的高频成分来增强图像的边缘信息。在OpenCV中,可以使用`cv2.Laplacian`函数实现拉普拉斯滤波。 ```python laplacian = cv2.Laplacian(image, cv2.CV_32F, ksize) ``` 其中,`image`为输入图像,`cv2.CV_32F`表示输出图像的数据类型为32位浮点数,`ksize`为滤波器的大小。 3. Sobel滤波(高通滤波) Sobel滤波也是一种常用的高通滤波器,它可以通过检测图像中的边缘来增强图像的高频成分。在OpenCV中,可以使用`cv2.Sobel`函数实现Sobel滤波。 ```python sobelx = cv2.Sobel(image, cv2.CV_32F, 1, 0, ksize) sobely = cv2.Sobel(image, cv2.CV_32F, 0, 1, ksize) ``` 其中,`image`为输入图像,`cv2.CV_32F`表示输出图像的数据类型为32位浮点数,`1`和`0`表示对x和y方向进行滤波,`ksize`为滤波器的大小。 总的来说,OpenCV提供了多种高通滤波和低通滤波函数,具体使用哪种滤波器取决于信号的特性和需要的处理效果。
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