本文转自:http://blog.csdn.net/cv_ronny/article/details/17756937
图像滤波
滤波实际上是信号处理里的一个概念,而图像本身也可以看成是一个二维的信号。其中像素点灰度值的高低代表信号的强弱。
高频:图像中灰度变化剧烈的点。
低频:图像中平坦的,灰度变化不大的点。
根据图像的高频与低频的特征,我们可以设计相应的高通与低通滤波器,高通滤波可以检测图像中尖锐、变化明显的地方;低通滤波可以让图像变得光滑,滤除图像中的噪声。
下面我们来看一下OpenCV中的一些滤波函数:
一、低通滤波
1,blur函数
这个函数是一个平滑图像的函数,它用一个点邻域内像素的平均灰度值来代替该点的灰度。
<span style="color: black;">cv::blur(image,result,cv::Size(5,5));</span>
2,高斯模糊
上面的blur的平滑原理是用邻域内的平均值来代替当前的灰度值,但是我们往往希望越靠近该像素的点提供越高的权重,这样就产生了高斯模糊滤波。它的滤波器或者叫遮罩是一个高斯分布的二维矩阵。
<span style="color: black;">cv::GaussianBlur(image,result,cv::Size(5,5),1.5);</span>
参数image为输入图像,result为输出图像,Size(5,5)定义了核的大小,最后一个参数说明了高斯核的方差。
3,中值滤波
上面讲到的2个滤波器,都是邻域内的像素按照一个权重相加最后设置为当前点的灰度值,这种操作又称为卷积,这样的滤波器叫线性滤波器,另外还有一种非线性的滤波器,比如中值滤波器,它是取邻域内所有像素的中值作为当前点的灰度值。
中值即排序后中间的那个值:median({1,2,3,3,7,5,1,8})=3。
<span style="color: black;">cv::medianBlur(image,result,5);</span>
其中最后一个参数指定了邻域的大小为5*5。中值滤波也是在实际中应用最多的平滑滤波,它可以有效的去除比如椒盐噪声一类的干扰。
下面我们对比一下上面三种滤波器的效果:
<span style="color: blue;">#include </span><span style="color: rgb(163, 21, 21);"><opencv2/core/core.hpp> </span><span style="color: blue;">#include </span><span style="color: rgb(163, 21, 21);"><opencv2/highgui/highgui.hpp> </span><span style="color: blue;">#include </span><span style="color: rgb(163, 21, 21);"><opencv2/imgproc/imgproc.hpp> </span><span style="color: blue;">int </span><span style="color: black;">main() { </span><span style="color: blue;">using namespace </span><span style="color: black;">cv; </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">image=imread(</span><span style="color: rgb(163, 21, 21);">"../cat.png"</span><span style="color: black;">); cvtColor(image,image,</span><span style="color: rgb(47, 79, 79);">CV_BGR2GRAY</span><span style="color: black;">); </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">blurResult; </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">gaussianResult; </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">medianResult; blur(image,blurResult,</span><span style="color: rgb(43, 145, 175);">Size</span><span style="color: black;">(5,5)); GaussianBlur(image,gaussianResult,</span><span style="color: rgb(43, 145, 175);">Size</span><span style="color: black;">(5,5),1.5); medianBlur(image,medianResult,5); namedWindow(</span><span style="color: rgb(163, 21, 21);">"blur"</span><span style="color: black;">);imshow(</span><span style="color: rgb(163, 21, 21);">"blur"</span><span style="color: black;">,blurResult); namedWindow(</span><span style="color: rgb(163, 21, 21);">"Gaussianblur"</span><span style="color: black;">);imshow(</span><span style="color: rgb(163, 21, 21);">"Gaussianblur"</span><span style="color: black;">,gaussianResult); namedWindow(</span><span style="color: rgb(163, 21, 21);">"medianBlur"</span><span style="color: black;">);imshow(</span><span style="color: rgb(163, 21, 21);">"medianBlur"</span><span style="color: black;">,medianResult); waitKey(); </span><span style="color: blue;">return </span><span style="color: black;">0; }</span>
二、高通滤波:边缘检测
高通滤波器最好的一个应用就是边缘检测,由文章开头分析可知高频是图像中变化剧烈的地方,所以图像的边缘区域恰好符合这一特性,我们可以利用高通滤波让图像的边缘显露出来,进一步计算图像的一些特征。
边缘检测本来打算作为一个单独的主题来写一篇文章,但是由于Canny边缘检测算法比较复杂,篇幅也较大,所以先把Sobel边缘检测在高通滤波这里作为一个实例,以后Canny边缘检测作为单独的一篇文章来写。
实际上OpenCV有提供了Sobel边缘检测的函数,但是一方面阈值好像取的不太好,另一方面没有对最后边缘作细化处理,所以效果并不太让人满意,本文是模仿Matlab中算法来写的,相关的理论可以参考我原来写过的一篇文章《视觉算法:Sobel边缘检测》。
下面是Soble实现的C++代码:
<span style="color: blue;">bool </span><span style="color: black;">Sobel(</span><span style="color: blue;">const </span><span style="color: rgb(43, 145, 175);">Mat</span><span style="color: black;">& </span><span style="color: gray;">image</span><span style="color: black;">,</span><span style="color: rgb(43, 145, 175);">Mat</span><span style="color: black;">& </span><span style="color: gray;">result</span><span style="color: black;">,</span><span style="color: blue;">int </span><span style="color: gray;">TYPE</span><span style="color: black;">) { </span><span style="color: blue;">if</span><span style="color: black;">(</span><span style="color: gray;">image</span><span style="color: black;">.channels()!=1) </span><span style="color: blue;">return false</span><span style="color: black;">; </span><span style="color: green;">// 系数设置 </span><span style="color: blue;">int </span><span style="color: black;">kx(0); </span><span style="color: blue;">int </span><span style="color: black;">ky(0); </span><span style="color: blue;">if</span><span style="color: black;">( </span><span style="color: gray;">TYPE</span><span style="color: black;">==</span><span style="color: rgb(47, 79, 79);">SOBEL_HORZ </span><span style="color: black;">){ kx=0;ky=1; } </span><span style="color: blue;">else if</span><span style="color: black;">( </span><span style="color: gray;">TYPE</span><span style="color: black;">==</span><span style="color: rgb(47, 79, 79);">SOBEL_VERT </span><span style="color: black;">){ kx=1;ky=0; } </span><span style="color: blue;">else if</span><span style="color: black;">( </span><span style="color: gray;">TYPE</span><span style="color: black;">==</span><span style="color: rgb(47, 79, 79);">SOBEL_BOTH </span><span style="color: black;">){ kx=1;ky=1; } </span><span style="color: blue;">else return false</span><span style="color: black;">; </span><span style="color: green;">// 设置mask </span><span style="color: blue;">float </span><span style="color: black;">mask[3][3]={{1,2,1},{0,0,0},{-1,-2,-1}}; </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">y_mask=</span><span style="color: rgb(43, 145, 175);">Mat</span><span style="color: black;">(3,3,</span><span style="color: rgb(111, 0, 138);">CV_32F</span><span style="color: black;">,mask)/8; </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">x_mask=y_mask.t(); </span><span style="color: green;">// 转置 // 计算x方向和y方向上的滤波 </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">sobelX,sobelY; filter2D(</span><span style="color: gray;">image</span><span style="color: black;">,sobelX,</span><span style="color: rgb(111, 0, 138);">CV_32F</span><span style="color: black;">,x_mask); filter2D(</span><span style="color: gray;">image</span><span style="color: black;">,sobelY,</span><span style="color: rgb(111, 0, 138);">CV_32F</span><span style="color: black;">,y_mask); sobelX=abs(sobelX); sobelY=abs(sobelY); </span><span style="color: green;">// 梯度图 </span><span style="color: rgb(43, 145, 175);">Mat </span><span style="color: black;">gradient=kx*sobelX.mul(sobelX)+ky*sobelY.mul(sobelY); </span><span style="color: green;">// 计算阈值 </span><span style="color: blue;">int </span><span style="color: black;">scale=4; </span><span style="color: blue;">double </span><span style="color: black;">cutoff=scale*mean(gradient)[0]; </span><span style="color: gray;">result</span><span style="color: black;">.create(</span><span style="color: gray;">image</span><span style="color: black;">.size(),</span><span style="color: gray;">image</span><span style="color: black;">.type()); </span><span style="color: gray;">result</span><span style="color: black;">.setTo(0); </span><span style="color: blue;">for</span><span style="color: black;">(</span><span style="color: blue;">int </span><span style="color: black;">i=1;i<</span><span style="color: gray;">image</span><span style="color: black;">.rows-1;i++) { </span><span style="color: blue;">float</span><span style="color: black;">* sbxPtr=sobelX.ptr<</span><span style="color: blue;">float</span><span style="color: black;">>(i); </span><span style="color: blue;">float</span><span style="color: black;">* sbyPtr=sobelY.ptr<</span><span style="color: blue;">float</span><span style="color: black;">>(i); </span><span style="color: blue;">float</span><span style="color: black;">* prePtr=gradient.ptr<</span><span style="color: blue;">float</span><span style="color: black;">>(i-1); </span><span style="color: blue;">float</span><span style="color: black;">* curPtr=gradient.ptr<</span><span style="color: blue;">float</span><span style="color: black;">>(i); </span><span style="color: blue;">float</span><span style="color: black;">* lstPtr=gradient.ptr<</span><span style="color: blue;">float</span><span style="color: black;">>(i+1); </span><span style="color: rgb(43, 145, 175);">uchar</span><span style="color: black;">* rstPtr=</span><span style="color: gray;">result</span><span style="color: black;">.ptr<</span><span style="color: rgb(43, 145, 175);">uchar</span><span style="color: black;">>(i); </span><span style="color: green;">// 阈值化和极大值抑制 </span><span style="color: blue;">for</span><span style="color: black;">(</span><span style="color: blue;">int </span><span style="color: black;">j=1;j<</span><span style="color: gray;">image</span><span style="color: black;">.cols-1;j++) { </span><span style="color: blue;">if</span><span style="color: black;">( curPtr[j]>cutoff && ( (sbxPtr[j]>kx*sbyPtr[j] && curPtr[j]>curPtr[j-1] && curPtr[j]>curPtr[j+1]) || (sbyPtr[j]>ky*sbxPtr[j] && curPtr[j]>prePtr[j] && curPtr[j]>lstPtr[j]) )) rstPtr[j]=255; } } </span><span style="color: blue;">return true</span><span style="color: black;">; }</span>