在设计信号调理电路时通常得设计滤波电路，滤波电路的作用一般时过滤掉噪声或者不需要的信号。在做图像处理时，也会遇到图像噪声问题，如椒盐噪声。有时需要将图像噪声处理掉，这就是所说的图像滤波。OpenCV有多个图像滤波函数，常用的有：boxFilter，filter2D，blur，bilateralFilter，GaussianBlur，medianBlur。图像滤波的实质是通过卷积运算使得图像平滑(Smooth),同时也会使图像变得更模糊(blur),有时图像滤波又被叫做图像模糊.下面逐一介绍这几个函数及其用法。
boxFilter函数
boxfilter函数的原型如下:
这个函数使图像平滑(Smooth)使用这样的核:
这里
boxfilter函数参数:
src 输入图像
dst 输出图像(与输入图像同样类型,同样大小)
ddepth 输出图像深度(-1表示与输入图像相同的图像深度)
ksize 模糊处理所用核的大小
anchor 锚点((-1,-1)代表锚点为核的中心)
normalize 指定内核是否按其区域归一化的标志。
borderType 用于推断图像外部的像素的边框模式.有一下几种,红框中的模式不支持.
boxfilter 应用场景
-
图像平滑：
boxFilter可以用于平滑图像，减少图像中的噪声和细节，使得图像看起来更加柔和。这在一些需要降低图像复杂度的应用中非常有用，如图像预处理、特征提取等。 -
图像去噪：通过平滑处理，
boxFilter可以有效地去除图像中的随机噪声，尤其是那些分布在图像各个区域的均匀噪声。然而，左对齐对于椒盐噪声等非均匀分布的噪声，可能需要采用其他去噪方法。 -
图像预处理：在进行图像分割、边缘检测等高级图像处理任务之前，通常需要对图像进行预处理，以减少噪声和细节对处理结果的影响。
boxFilter可以作为这种预处理步骤之一。 -
特征提取：在一些特征提取算法中，如Haar特征提取，
boxFilter可以用于计算图像区域的积分特性，进而提取出有用的特征信息。 -
计算图像的其他统计特性：通过调整
normalize参数和边界处理方式，boxFilter还可以用于计算图像的其他统计特性，如方差、协方差等，为后续的图像处理和分析提供有用的信息。
用法示例
下面以一个实例来演示其用法,新建一个控制台程序，其代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
imshow("Dst", dst);
waitKey(0);
return 0;
}看下试运行效果。试运行，结果如下：
可以看出，平滑程度略有改善，结果并不明显。
如果将mormolize选项设为false，结果又会如何？修改代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
说明将mormolize选项设为false，将会导致运算溢出。
如果不改变核的大小，改变boxfilter的次数结果会如何？修改代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
可以看出，如果不改变核的大小，增加boxFilter的次数，不会明显改变图像的平滑效果。
下面改变核的大小，修改代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
/*
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
*/
boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
可以看出，增大核的size可明显改善平滑效果。
filter2D函数
filter2D函数的原型如下：
该函数用卷积核对图像进行卷积运算。将任意线性滤波器应用于图像。支持就地操作。当孔径部分位于图像之外时，该函数根据指定的边界模式插值异常像素值。该函数实际上计算相关性，而不是卷积：
ilter2D函数的参数：
src 输入图像
dst输出图像
kernel 用以运算的核
anchor 卷积核的锚点，缺省值是Point(-1,1)，卷积核的中心。
delta 在将过滤像素存储到 dst 之前添加到过滤像素的可选值
borderType 像素外推法。与boxfilter的一致。
OpenCV的filter2D函数是一个非常强大的工具，它允许你对图像应用自定义的卷积核（kernel）。这个函数在图像处理中非常有用，因为它可以实现多种效果，比如模糊、锐化、边缘检测等。
用法示例
图像平滑 实现均值模糊修改上面的代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
/**************boxFilter
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);
*/
//filter2D
//blur
float ftem = 0.021;
Mat kernel = (Mat_<float>(7, 7) << ftem, ftem, ftem, ftem, ftem, ftem, ftem,
ftem, ftem, ftem, ftem, ftem, ftem, ftem,
ftem, ftem, ftem, ftem, ftem, ftem, ftem,
ftem, ftem, ftem, ftem, ftem, ftem, ftem,
ftem, ftem, ftem, ftem, ftem, ftem, ftem,
ftem, ftem, ftem, ftem, ftem, ftem, ftem,
ftem, ftem, ftem, ftem, ftem, ftem, ftem);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
可以看到有平滑效果。
图像锐化（Sharpening）修改代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
/**************boxFilter
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);
*/
//filter2D
//Averaging Blur
/*
float ftem = 0.05;
Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
//sharping
Mat kernel = (Mat_<float>(3, 3) <<
-1, -1, -1,
-1, 9, -1,
-1, -1, -1
);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
Sobel边缘检测
修改上面的店面如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
/**************boxFilter
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);
*/
//filter2D
//Averaging Blur
/*
float ftem = 0.05;
Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
/*
//sharping
Mat kernel = (Mat_<float>(3, 3) <<
-1, -1, -1,
-1, 9, -1,
-1, -1, -1
);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
//Sobel边缘检测
Mat sobelX = (Mat_<float>(3, 3) <<
-1, 0, 1,
-2, 0, 2,
-1, 0, 1
);
Mat sobelY = (Mat_<float>(3, 3) <<
-1, -2, -1,
0, 0, 0,
1, 2, 1
);
Mat dstx, dsty;
filter2D(src, dstx, -1, sobelX);
filter2D(src, dsty, -1, sobelY);
addWeighted(dstx, 0.5, dsty, 0.5, 0, dst);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
Laplacian边缘检测
修改上面代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
/**************boxFilter
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);
*/
//filter2D
//Averaging Blur
/*
float ftem = 0.05;
Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
//sharping
/*
Mat kernel = (Mat_<float>(3, 3) <<
-1, -1, -1,
-1, 9, -1,
-1, -1, -1
);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
//Sobel边缘检测
/*
Mat sobelX = (Mat_<float>(3, 3) <<
-1, 0, 1,
-2, 0, 2,
-1, 0, 1
);
Mat sobelY = (Mat_<float>(3, 3) <<
-1, -2, -1,
0, 0, 0,
1, 2, 1
);
Mat dstx, dsty;
filter2D(src, dstx, -1, sobelX);
filter2D(src, dsty, -1, sobelY);
addWeighted(dstx, 0.5, dsty, 0.5, 0, dst);
imshow("Dst", dst);
*/
//Laplacian边缘检测
Mat laplacian = (cv::Mat_<float>(3, 3) <<
0, -1, 0,
-1, 4, -1,
0, -1, 0
);
filter2D(src, dst, -1, laplacian);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
浮雕(Embossing)效果
修改上面代码如下:
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//std::cout << "Hello World!\n";
Mat src = imread("1.webp");
if (src.empty())
{
cout << "Cann't open image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst;
/**************boxFilter
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
//boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), false, BORDER_DEFAULT);
for (int i = 0; i < 100; i++)
{
boxFilter(src, dst, -1, Size(3, 3), Point(-1, 1), true, BORDER_DEFAULT);
}
boxFilter(src, dst, -1, Size(11, 11), Point(-1, 1), true, BORDER_DEFAULT);
*/
//filter2D
//Averaging Blur
/*
float ftem = 0.05;
Mat kernel = (Mat_<float>(7, 7) << ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem,
-ftem, ftem, ftem, ftem, ftem, ftem, -ftem,
ftem, -ftem, ftem, ftem, ftem, -ftem, ftem);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
//sharping
/*
Mat kernel = (Mat_<float>(3, 3) <<
-1, -1, -1,
-1, 9, -1,
-1, -1, -1
);
filter2D(src, dst, -1, kernel);
imshow("Dst", dst);
*/
//Sobel边缘检测
/*
Mat sobelX = (Mat_<float>(3, 3) <<
-1, 0, 1,
-2, 0, 2,
-1, 0, 1
);
Mat sobelY = (Mat_<float>(3, 3) <<
-1, -2, -1,
0, 0, 0,
1, 2, 1
);
Mat dstx, dsty;
filter2D(src, dstx, -1, sobelX);
filter2D(src, dsty, -1, sobelY);
addWeighted(dstx, 0.5, dsty, 0.5, 0, dst);
imshow("Dst", dst);
*/
//Laplacian边缘检测
/*
Mat laplacian = (cv::Mat_<float>(3, 3) <<
0, -1, 0,
-1, 4, -1,
0, -1, 0
);
filter2D(src, dst, -1, laplacian);
imshow("Dst", dst);
*/
//
Mat emboss = (cv::Mat_<float>(3, 3) <<
-2, -1, 0,
-1, 1, 1,
0, 1, 2
);
filter2D(src, dst, -1, emboss);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
blur函数
blur函数原型如下：
blur函数实际上是将normalize变量设为true的boxFilter，这里就不再做介绍了。
用法示例
修改上面的代码如下（以后只列出修改部分，相同部分不再列出）：
//blur函数
blur(src, dst, Size(9,9));
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
bilateralFilter 函数
bilateralFilter 函数的原型如下：
双边滤波器可以很好地减少不需要的噪声，同时保持边缘相当清晰。然而，与大多数过滤器相比，它的速度非常慢。
西格玛值：为简单起见，您可以将 2 个西格玛值设置为相同。如果它们很小（< 10），过滤器不会有太大的效果，而如果它们很大（> 150），它们将产生非常强的效果，使图像看起来“卡通”。
滤波器大小：大型滤波器（d > 5）非常慢，因此建议对于实时应用程序使用 d=5，对于需要重度噪声过滤的离线应用程序可能使用 d=9。
bilateralFilter 函数参数：
src 源图像， 8 位或浮点、1 通道或 3 通道图像。
dst 与 src 具有相同大小和类型的目标图像。
d 过滤期间使用的每个像素邻域的直径。如果它是非正数，则根据 sigmaSpace 计算。
sigmaColor 过滤颜色空间中的西格玛。参数值越大，意味着像素邻域内越远的颜色（参 见 sigmaSpace）将混合在一起，从而产生更大的半相等颜色区域。
sigmaSpace 在坐标空间中过滤 sigma。参数值越大，意味着越远的像素只要颜色足够 接近，就会相互影响（参见 sigmaColor ）。当 d>0 时，它指定邻域大 小，而与 sigmaSpace 无关。否则，d 与 sigmaSpace 成正比。
borderType 边框模式用于推断图像外部的像素。
用法示例
修改上面代码如下：
// bilateralFilter
bilateralFilter(src, dst, 7, 75, 75);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
GaussianBlur函数
GaussianBlur函数的原型如下：
该函数将源图像与指定的高斯核进行卷积。支持就地过滤。
GaussianBlur函数参数：
src 输入图像；图像可以有任意数量的通道，这些通道是独立处理的，但深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或 CV_64F。
dst 与 src 具有相同大小和类型的输出图像
ksize 高斯核大小。 ksize.width 和 ksize.height 可以不同，但它们都必须为正数且为奇数或 者，它们可以为零，然后根据西格玛计算它们。
sigmaX X方向高斯核标准偏差
sigmaY Y方向高斯核标准偏差；如果sigmaY为零，则将其设置为等于sigmaX，如果两个 sigma都为零，它们分别根据ksize.width和ksize.height计算（详见 getGaussianKernel）；为了完全控制结果，而不管未来可能对所有这些语义进行的 修改，建议指定所有ksize、sigmaX和sigmaY。
borderType 边框模式用于推断图像外部的像素。
GaussianBlur函数通过高斯滤波器对图像进行模糊处理。高斯滤波器是一种线性平滑滤波器，其对于图像中的每一个像素点，都将其周围的像素值按照高斯分布进行加权平均，从而达到模糊图像的效果。这种方法在图像处理中非常有效，特别是在去除图像噪声和细节方面。
用法示例
修改上面的程序代码如下：
//GaussianBlur
GaussianBlur(src, dst, Size(9, 9),10,10);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
增大核或者增大sigmaX，sigmaY，都可增强模糊效果。
medianBlur函数
medianBlur函数的原型如下：
该函数使用ksize×ksize光圈的中值滤波器平滑图像。多通道图像的每个通道都是独立处理的。支持就地操作。
medianBlur函数参数：
src: 输入图像，可以是单通道或三通道的8位或浮点图像。然而，对于 medianBlur 来 说，它主要被用于8位（CV_8U）的单通道或三通道图像。
dst: 输出图像，与输入图像具有相同的类型和大小。
ksize: 滤波器的大小，必须是正奇数。
虽然 medianBlur 对于去除椒盐噪声非常有效，但它也可能导致图像细节的模糊，特别是当 ksize 值较大时。因此，在选择 ksize 时需要权衡去噪效果和图像细节保留之间的平衡。
用法示例
修改上面程序代码如下：
//GaussianBlur
/*
GaussianBlur(src, dst, Size(9, 9),10,10);
imshow("Dst", dst);
*/
//medianBlur
medianBlur(src, dst, 5);
imshow("Dst", dst);
waitKey(0);
return 0;
}试运行，结果如下：
OpenCV 图像了滤波常用函数已经，介绍完毕。示例源代码已经上传到CSDN，如果需要可以去下载。链接为：https://download.csdn.net/download/billliu66/89649489
3627
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
