OpenCV学习笔记----图像平滑

第三个程序：图像平滑

图像平滑是图像处理和计算机视觉中最常用、最基本的操作

其目的主要是去除图像中的噪声，因为图像平滑是低通滤波，处理过程中往往会使得图像边缘模糊化，因此又称为模糊处理

平滑原理

图像平滑的基本原理是，将噪声所在像素点的像素值处理为其周围临近像素点的值的近似值

滤波相当于筛选器，只允许指定范围内的数据通过筛选，其余数据即为噪点，应当舍弃

常见的滤波方法：

图像平滑的方法很多，包括均值滤波、高斯滤波、方框滤波、中值滤波、双边滤波等

示例：高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声。通俗来讲，高斯滤波就是对整幅图片进行加权平均，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到

OpenCV使用高斯滤波

程序源码如下：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
	Mat img = imread("/home/wang/opencv/demo/1.jpg",-1);

	imshow("picture_before",img);

	Mat img_out;

	GaussianBlur(img,img_out,Size(5,5),3,3);
	GaussianBlur(img_out,img_out,Size(5,5),3,3);

	imshow("picture_after",img_out);

	waitKey(0);
	return 0;
}

程序分析：

• 程序使用img对象读取图片，将原始图像信息保存到img中
• 使用imshow函数将图像显示
• 生命新的Mat对象img_out，用于存放高斯滤波后的图像信息
• 调用高斯滤波函数，将滤波结果存放到img_out结构中
• 再调用一次高斯滤波，执行两次模糊处理

程序编译语句：

g++ Gaussian.cpp -o Gaussian `pkg-config --cflags --libs opencv`

程序运行效果如下：

高斯滤波原理：

高斯模糊将正态分布用于图像处理

在计算机视觉中，计算机得到的图像信息均为矩阵，将每个像素点都替换为取周边像素的平均值

在数据上来看，该操作将数据平滑化，转换为图像效果来看，图像被模糊化

计算平均值时，范围越大，模糊效果越明显

GaussianBlur函数参数详解：

函数原型如下：

CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
                                double sigmaX, double sigmaY = 0,
                                int borderType = BORDER_DEFAULT );

• src：输入图形
• dst：输出图形
• ksize：高斯核大小
• sinmaX:高斯核函数在X方向上的标准偏差
• sinmaY:高斯核函数在X方向上的标准偏差
• borderType: 推断图像外部像素的某种便捷模式，有默认值BORDER_DEFAULT