6.1.7 cv::GaussianBlur
高斯滤波器是最有用的滤波器 (尽管不是最快的)。 高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积将卷积和当作输出像素值。
1维高斯函数如下图:
假设图像是1维的,那么观察上图,不难发现中间像素的加权系数是最大的, 周边像素的加权系数随着它们远离中间像素的距离增大而逐渐减小。
2维高斯函数可以表达为 :
其中 为均值 (峰值对应位置),
代表标准差(变量
和变量
各有一个均值,也各有一个标准差)。
6.1.7.2 Opencv接口
void cv::GaussianBlur(InputArray src,
OutputArray dst,
Size ksize,
double sigmaX,
double sigmaY = 0,
int borderType = BORDER_DEFAULT
)
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,但是深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F。
dst 输出与src大小和类型相同的图像。
ksize 高斯核大小。ksize.width和ksize.height可以不同,但它们都必须是正数和奇数。或者,它们可以是零,然后它们是从sigma计算的。
sigmaX X方向的高斯核标准差。
sigmaY Y方向的高斯核标准偏差; 如果sigmaY为零,则将其设置为等于sigmaX,如果两个sigma均为零,则分别从ksize.width和ksize.height计算(有关详细信息,请参阅getGaussianKernel); 建议指定所有ksize,sigmaX和sigmaY。
borderType 像素外推法, 参见BorderTypes
使用高斯滤波器模糊图像。
该函数将源图像与指定的高斯核进行卷积。
void ES::ImageProcessing::gaussianBlurOper(cv::Mat* dst)
{
Mat src = imread("lena.jpg", IMREAD_COLOR);
cv::resize(src, src, Size(src.rows / 4 * 3, src.cols / 4 * 3));
ImageProcessingParams* img_params = stat-ic_cast<ImageProcessingParams*>(m_params);
int dim = img_params->m_kernelDim;
double sigmax = img_params->m_sigmaX;
double sigmay = img_params->m_sigmaY;
Mat mat;
cv::GaussianBlur(src, mat, Size(dim, dim), sigmax, sigmay);
Mat mergeMat(src.rows, src.cols + mat.cols, src.type());
Mat submat = mergeMat.colRange(0, src.cols);
src.copyTo(submat);
submat = mergeMat.colRange(src.cols, src.cols + mat.cols);
mat.copyTo(submat);
mergeMat.copyTo(*dst);
}