OpenCV学习笔记(五):线性滤波-方框、均值、高斯:boxFilter(),blur(),GaussianBlur()
线性滤波:即多个信号之和的响应和它们各自响应之和相等。
参考:
https://blog.csdn.net/poem_qianmo/article/details/22745559
代码:
#include <opencv2/opencv.hpp>
Mat g_srcImage,g_dstImage1,g_dstImage2,g_dstImage3; //存储图片的Mat类型
int g_nBoxFilterValue=3; //方框滤波参数值
int g_nMeanBlurValue=3; //均值滤波参数值
int g_nGaussianBlurValue=3; //高斯滤波参数值
using namespace cv;
using namespace std;
int main(int argc, char *argv[])
{
// 载入原图
g_srcImage = imread( "F:/C++/2. OPENCV 3.1.0/TEST/1.jpg", 1 );
if( !g_srcImage.data )
{ printf("Oh,no,读取srcImage错误~! \n"); return false; }
//克隆原图到三个Mat类型中
g_dstImage1 = g_srcImage.clone( );
g_dstImage2 = g_srcImage.clone( );
g_dstImage3 = g_srcImage.clone( );
g_dstImage4 = g_srcImage.clone( );
g_dstImage5 = g_srcImage.clone( );
//显示原图
imshow("【<0>原图窗口】",g_srcImage);
// 1、方框滤波
namedWindow("【<1>方框滤波】", 1);
createTrackbar("内核值:", "【<1>方框滤波】", &g_nBoxFilterValue, 40, on_BoxFilter);
on_BoxFilter(g_nBoxFilterValue,0);
// 2、均值滤波
namedWindow("【<2>均值滤波】", 1);
createTrackbar("内核值:", "【<2>均值滤波】",&g_nMeanBlurValue, 40,on_MeanBlur );
on_MeanBlur(g_nMeanBlurValue,0);
// 3、高斯滤波
namedWindow("【<3>高斯滤波】", 1);
createTrackbar("内核值:", "【<3>高斯滤波】",&g_nGaussianBlurValue, 40,on_GaussianBlur );
on_GaussianBlur(g_nGaussianBlurValue,0);
//输出一些帮助信息
cout<<endl<<"\t运行成功,请调整滚动条观察图像效果~\n\n"
<<"\t按下“q”键时,程序退出。\n";
//按下“q”键时,程序退出
while(char(waitKey(1)) != 'q') {}
return 0
}
// 1、方框滤波操作的回调函数
static void on_BoxFilter(int, void *)
{
//方框滤波操作(未归一化)
boxFilter( g_srcImage, g_dstImage1, -1,Size( g_nBoxFilterValue+1, g_nBoxFilterValue+1),Point(-1,-1),false);
//显示窗口
imshow("【<1>方框滤波】", g_dstImage1);
}
// 2、均值滤波操作的回调函数
static void on_MeanBlur(int, void *)
{
//均值滤波操作
blur( g_srcImage, g_dstImage2, Size( g_nMeanBlurValue+1, g_nMeanBlurValue+1), Point(-1,-1));
//显示窗口
imshow("【<2>均值滤波】", g_dstImage2);
}
// 3、高斯滤波操作的回调函数
static void on_GaussianBlur(int, void *)
{
//高斯滤波操作
GaussianBlur( g_srcImage, g_dstImage3, Size( g_nGaussianBlurValue*2+1, g_nGaussianBlurValue*2+1 ), 0, 0);
//显示窗口
imshow("【<3>高斯滤波】", g_dstImage3);
}
结果: