#集中滤波的方式:
1. 线性滤波:
方框滤波——boxblur函数
均值滤波(邻域平均滤波)——blur函数:线性代表,加起来求平均值
高斯滤波——GaussianBlur函数:离中心越近的比重越大
2. 非线性滤波:
中值滤波——medianBlur函数:适合椒盐噪声和边界处理,对极大极小值不处理是其特点
双边滤波——bilateralFilter函数
#滤波器的作用:
低通滤波器,将频率变化大的高频分量去掉,表现出来的就是blur,模糊化。
高通滤波器:将频率变化小的低频分量去掉,表现出来应该是锐化,以及边界检测等。
Mat img = imread("test.jpg")
if(img.empty()) return -1;
boxFilter(image, res2, image.depth(), cv::Size(9,9));
blur(image, res2, cv::Size(5, 5)); //跟boxfilter差不多
GaussianBlur(image, result, cv::Size(5,5), 1.5);
medianBlur(image, result, 5);
bilateralFilter(image, result, 5, 1.5,1.5);
//变化矩阵
Mat kernel = (cv::Mat_<float>(3, 3) << 0,1,0,1,-4,1,0,1,0);
filter2D(image, res2, result.depth(), kernel);
//背景虚化,前景清晰,矩形ROI
Rect rect(Point(x1, y1), Point(x1+250, y1+250));
cut = image(rect);
boxFilter(image, blurred, image.depth(), Size(17, 17));
Mat imageROI = blurred(Rect(x1, y1, 250,250));
cut.copyTo(imageROI);
imshow("image",blurred);
//背景值为 GC_BGD=0,作为掩码
cv::Mat blurred,bitwise,back,output;
cv::medianBlur(result, blurred, 7);
cv::bitwise_not(blurred, bitwise);
image.copyTo(foreground, blurred);
imshow("2", foreground);
cv::boxFilter(image, back, image.depth(), Size(23, 23));
back.copyTo(output, bitwise);
//cv::add(image, image, tmp);
output = output + foreground;
imshow("orig", image);
cv::imshow("output", output);
cv::imwrite("flower_bgd_flurred.jpg", output);
1. 线性滤波:
方框滤波——boxblur函数
均值滤波(邻域平均滤波)——blur函数:线性代表,加起来求平均值
高斯滤波——GaussianBlur函数:离中心越近的比重越大
2. 非线性滤波:
中值滤波——medianBlur函数:适合椒盐噪声和边界处理,对极大极小值不处理是其特点
双边滤波——bilateralFilter函数
#滤波器的作用:
低通滤波器,将频率变化大的高频分量去掉,表现出来的就是blur,模糊化。
高通滤波器:将频率变化小的低频分量去掉,表现出来应该是锐化,以及边界检测等。
Mat img = imread("test.jpg")
if(img.empty()) return -1;
boxFilter(image, res2, image.depth(), cv::Size(9,9));
blur(image, res2, cv::Size(5, 5)); //跟boxfilter差不多
GaussianBlur(image, result, cv::Size(5,5), 1.5);
medianBlur(image, result, 5);
bilateralFilter(image, result, 5, 1.5,1.5);
//变化矩阵
Mat kernel = (cv::Mat_<float>(3, 3) << 0,1,0,1,-4,1,0,1,0);
filter2D(image, res2, result.depth(), kernel);
//背景虚化,前景清晰,矩形ROI
Rect rect(Point(x1, y1), Point(x1+250, y1+250));
cut = image(rect);
boxFilter(image, blurred, image.depth(), Size(17, 17));
Mat imageROI = blurred(Rect(x1, y1, 250,250));
cut.copyTo(imageROI);
imshow("image",blurred);
//背景值为 GC_BGD=0,作为掩码
cv::Mat blurred,bitwise,back,output;
cv::medianBlur(result, blurred, 7);
cv::bitwise_not(blurred, bitwise);
image.copyTo(foreground, blurred);
imshow("2", foreground);
cv::boxFilter(image, back, image.depth(), Size(23, 23));
back.copyTo(output, bitwise);
//cv::add(image, image, tmp);
output = output + foreground;
imshow("orig", image);
cv::imshow("output", output);
cv::imwrite("flower_bgd_flurred.jpg", output);