网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
(3)拉普拉斯算子
4、自定义卷积模糊
(1)filter2D方法
filter2D (
Mat src, //输入图像
Mat dst, // 模糊图像
int depth, // 图像深度32/8,不知道的就默认-1,系统也默认和src的深度一样
Mat kernel, // 卷积核/模板
Point anchor = Point(-1,-1) , // 锚点位置,3、5、7、9,或者默认自动寻找中心位置
double delta = 0 // 计算出来的像素+delta
)
其中 kernel是可以自定义的卷积核
5、代码演示
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
int main(int argc, char** argv)
{
Mat src, dst;
int ksize = 0;
src = imread("test.jpg");
if (!src.data)
{
printf("could not load image...\n");
return -1;
}
char INPUT_WIN[] = "input image";
char OUTPUT_WIN[] = "Custom Blur Filter Result";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN, src);
// Robert 算子 X 方向
//Mat Robert_x = (Mat_<int>(2, 2) << 1, 0, 0, -1);
//Mat mat_Robert_x;
//filter2D(src, mat_Robert_x, -1, Robert_x);
//imshow("Robert x", mat_Robert_x);
Robert 算子 Y 方向
//Mat Robert_y = (Mat_<int>(2, 2) << 0, 1, -1, 0);
//Mat mat_Robert_y;
//filter2D(src, mat_Robert_y, -1, Robert_y);
//imshow("Robert y", mat_Robert_y);
// Sobel X 方向
Mat kernel_x = (Mat_<int>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
filter2D(src, dst, -1, kernel_x, Point(-1, -1), 0.0);
imshow("Sobel X", dst);
// Sobel Y 方向
Mat yimg;
Mat kernel_y = (Mat_<int>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);
filter2D(src, yimg, -1, kernel_y, Point(-1, -1), 0.0);
imshow("Sobel Y", yimg);
// 拉普拉斯算子
//Mat kernel_y = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);
//filter2D(src, dst, -1, kernel_y, Point(-1, -1), 0.0);
//imshow("拉普拉斯", dst);
waitKey(0);
// 自定义卷积模糊
//int c = 0;
//int index = 0;
//while (true)null
//{
// c = waitKey(500);
// if ((char)c == 27) // ESC
// {
// break;
// }
// ksize = 5 + (index % 8) * 2;
// Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
// filter2D(src, dst, -1, kernel, Point(-1, -1));
// index++;
// imshow(OUTPUT_WIN, dst);
//}
return 0;
}
效果展示:
(1)Robert算子,在X与Y方向上呈现出差异性
(2)Sobel算子:相对与Robert算子,差异会明显一些
(3)拉普拉斯算子:碎发也没看到了
二、卷积边缘
1、卷积边缘问题
卷积边缘问题:图像卷积的时候边界像素,不能被卷积操作。
原因:在于边界像素没有完全跟kernel重叠,所以当3x3滤波时候有1个像素的边缘没有被处理,5x5滤波的时候有2个像素的边缘没有被处理。
2、处理边缘
在卷积开始之前增加边缘像素,填充的像素值为0或者RGB黑色,比如3x3在 四周各填充1个像素的边缘,这样就确保图像的边缘被处理,在卷积处理之 后再去掉这些边缘。
openCV中默认的处理方法是: BORDER_DEFAULT,此外 常用的还有如下几种:
BORDER_CONSTANT – 填充边缘用指定像素值
BORDER_REPLICATE – 填充边缘像素用已知的边缘像素值
BORDER_WRAP – 用另外一边的像素来补偿填充
3、相关的API说明
给图像添加边缘API:copyMakeBorder
copyMakeBorder(
Mat src, // 输入图像
Mat dst, // 添加边缘图像
int top, // 边缘长度,一般上下左右都取相同值,
- int bottom,
int left,
int right,
int borderType // 边缘类型
Scalar value
)
4、代码演示
增加边缘的四种策略,都适用于什么场景,如何处理卷积的边缘。
先认识下:GaussianBlur()
GaussianBlur
函数用于对图像进行高斯模糊操作。它可以有效地去除图像中的噪声,并平滑图像的细节。void GaussianBlur (
InputArray src, // 输入图像,可以是单通道或多通道图像
OutputArray dst, // 输出图像,与输入图像具有相同的尺寸和类型
Size ksize, // 高斯核的大小,用
Size(w, h)
表示。它必须是正奇数,例如(3, 3)、(5, 5)等。double sigmaX, // 高斯核在X方向上的标准差
double sigmaY = 0, // 高斯核在Y方向上的标准差。如果为0,则默认使用
sigmaX
的值int borderType = BORDER_DEFAULT // 边界处理方式,默认为
BORDER_DEFAULT
);
int main(int argc, char** argv)
{
Mat src, dst;
src = imread("test.jpg");
if (!src.data)
{
printf("could not load image...\n");
return -1;
}
char INPUT_WIN[] = "input image";
char OUTPUT_WIN[] = "Border Demo";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN, src);
/*
![img](https://img-blog.csdnimg.cn/img_convert/a9fe88e158cb55ee6972a401f3dd2fa7.png)
![img](https://img-blog.csdnimg.cn/img_convert/29e83234564989c761408779425d1d45.png)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友,可以添加戳这里获取](https://bbs.csdn.net/topics/618668825)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
-lWrM4acs-1715499237310)]
[外链图片转存中...(img-OJ0Qrozi-1715499237311)]
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友,可以添加戳这里获取](https://bbs.csdn.net/topics/618668825)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**