【opencv 450 Image Processing-Transformations】Making your own linear filters制作自己的线性滤波器

Goal

在本教程中，您将学习如何：

使用 OpenCV 函数 filter2D() 创建您自己的线性滤波器。

Theory

笔记

下面的解释属于 Bradski 和 Kaehler 的《Learning OpenCV》一书。

Correlation

相关性

在非常一般的意义上，相关性是图像的每个部分与运算符（内核）之间的操作。

What is a kernel?

内核本质上是一个固定大小的数值系数数组以及该数组中的一个anchor point锚点，该锚点通常位于中心。

 

How does correlation with a kernel work?

与内核的相关性如何工作？

假设您想知道图像中特定位置的结果值。 相关值的计算方式如下：

将内核锚点放置在确定的像素之上，内核的其余部分覆盖图像中相应的局部像素。

将内核系数乘以相应的图像像素值并对结果求和。

将结果放在输入图像中锚点的位置。

通过在整个图像上扫描内核来对所有像素重复该过程。

以方程的形式表达上述过程，我们将有：

 

幸运的是，OpenCV 为您提供了 filter2D() 函数，因此您不必编写所有这些操作。

What does this program do?

加载图像

执行标准化的盒式过滤器normalized box filter。 例如，对于 size=3 的内核，内核将是：

 

该程序将使用大小为 3、5、7、9 和 11 的内核执行过滤操作。

过滤器输出（每个内核）将在 500 毫秒内显示

Code

教程代码显示在下面的行中。

你也可以从这里raw.githubusercontent.com 下载

/**
 * @file filter2D_demo.cpp
 * @brief Sample code that shows how to implement your own linear filters by using filter2D function
 * 展示如何使用 filter2D 函数实现您自己的线性过滤器的示例代码
 * @author OpenCV team
 */

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;

/**
 * @function main
 */
int main ( int argc, char** argv )
{
    // 声明变量
    Mat src, dst;

    Mat kernel;//内核
    Point anchor;//锚点
    double delta;
    int ddepth;
    int kernel_size;
    const char* window_name = "filter2D Demo";

    //![load]
    const char* imageName = argc >=2 ? argv[1] : "lena.jpg";

    // 加载图像
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image

    if( src.empty() )
    {
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default lena.jpg] \n");
        return EXIT_FAILURE;
    }
    //![load]

    //![init_arguments]
    // 初始化过滤器的参数
    anchor = Point( -1, -1 );
    delta = 0;
    ddepth = -1;
    //![init_arguments]

    // Loop - Will filter the image with different kernel sizes each 0.5 seconds
	//循环 - 每 0.5 秒过滤一次具有不同内核大小的图像
    int ind = 0;
    for(;;)
    {
        //![update_kernel]
        // Update kernel size for a normalized box filter
		// 更新归一化box过滤器的内核大小
        kernel_size = 3 + 2*( ind%5 );//内核尺寸在 3 5 7 9 11  之间切换
        kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);//归一化
        //![update_kernel]

        //![apply_filter]
        // 应用过滤器 Apply filter
        filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );
        //![apply_filter]
        imshow( window_name, dst );//显示滤波后图像

        char c = (char)waitKey(500);//等待输入 0.5秒
        // 按“ESC”退出程序
        if( c == 27 )
        { break; }

        ind++;
    }

    return EXIT_SUCCESS;
}

Explanation

Load an image 加载图像

    const char* imageName = argc >=2 ? argv[1] : "lena.jpg";
    // Loads an image
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
    if( src.empty() )
    {
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default lena.jpg] \n");
        return EXIT_FAILURE;
    }

Initialize the arguments

// 初始化过滤器的参数
anchor = Point( -1, -1 );
delta = 0;
ddepth = -1;

Loop

执行无限循环更新内核大小并将我们的线性滤波器应用于输入图像。 让我们更详细地分析一下：

1. 首先我们定义我们的过滤器将使用的内核。 这里是：

// 更新归一化盒过滤器的内核大小
kernel_size = 3 + 2*( ind%5 );
kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);

第一行是将 kernel_size 更新为范围内的奇数值：[3,11]。 第二行实际上是通过将其值设置为一个填充有 1 的矩阵并通过将其除以元素数量来对其进行归一化来构建内核。

1. 设置内核后，我们可以使用函数 filter2D() 生成过滤器：

       // Apply filter
        filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );

1. 参数表示：

src：源图像

dst：目标图像

ddepth：dst 的深度。 负值（例如 -1）表示深度与源相同。

kernel：要通过镜像扫描的内核

anchor：锚点相对于其内核的位置。 位置 Point(-1, -1) 默认表示中心。

delta：在相关过程中要添加到每个像素的值。 默认为 0

BORDER_DEFAULT：我们默认设置这个值（更多细节在后面的教程中）

1. 我们的程序将执行一个 while 循环，每 500 毫秒，我们的过滤器的内核大小将在指定的范围内更新。

Results

1. 编译上面的代码后，您可以执行它，将图像的路径作为参数。 结果应该是一个窗口，显示被归一化过滤器模糊的图像。 每 0.5 秒内核大小应该改变一次，如下面的一系列快照所示：