【OpenCV+Cpp】day05图像模糊
前言
go on. 一张图像可以通过多种方法进行图像模糊,不同的方法会有不同的侧重点,今天我们分别介绍均值滤波、高斯滤波、中值滤波和双边滤波的方法。
一、模糊原理
Smooth/Blur是图像处理中最简单和常用的方法,用该方法可以在图像预处理时减少噪声,以下是该方法背后的卷积计算公式:
g
(
i
,
j
)
=
∑
k
,
l
f
(
i
+
k
,
j
+
l
)
h
(
k
,
l
)
g(i, j) = \sum_{k, l} f(i+k, j+l)h(k, l)
g(i,j)=∑k,lf(i+k,j+l)h(k,l),其中
h
(
k
,
l
)
h(k,l)
h(k,l)表示卷积算子,即对于每一个像素点,取其kl邻域的像素与卷积核函数相乘并累加。
下图展开解释了上述公式,其中黄色方框表示卷积核,红色方框表示该像素,66像素点矩阵代表原始图像,模糊结果使用公式得到。
二、均值滤波与高斯滤波
- 均值滤波:对卷积核内像素值均值化处理,得到模糊图像。
代码如下(示例):
// 模糊(均值滤波)卷积核大小为1*15
blur(img, output, Size(1, 15), Point(-1, -1));
- 高斯滤波
使用高斯核函数对图像像素进行处理,具体公式如下。
代码如下(示例):
//高斯模糊(高斯滤波)
GaussianBlur(img, output1, Size(11, 11), 11, 11);
三、中值滤波与双边滤波
- 中值滤波
中值对卷积核内的像素进行取中值处理,从而抑制椒盐噪声(黑白噪点)。
代码如下(示例):
//中值滤波
medianBlur(img, output2, 3);
- 双边滤波
由于均值滤波是基于平均权重的,所有均值模糊无法克服边缘像素信息丢失缺陷。虽然高斯滤波部分克服了以上缺点,但是无法完全避免。
高斯双边滤波可以保留边缘信息,保持图像轮廓不变。具体公式可以参考该文章点击链接
代码如下(示例):
//双边滤波
Mat output3;
bilateralFilter(img, output3, 15, 150, 3);
总结
以下是本次学习的整体代码:
代码如下(示例):
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
Mat img, output;
img = imread("./1.png");
if (!img.data) {
cout << "could not load image..." << endl;
return -1;
}
// 模糊(均值滤波)卷积核大小为1*15
blur(img, output, Size(1, 15), Point(-1, -1));
imshow("input image", img);
imshow("output image", output);
Mat output1;
//高斯模糊(高斯滤波)
GaussianBlur(img, output1, Size(11, 11), 11, 11);
imshow("output gaussian", output1);
Mat output2;
//中值滤波
medianBlur(img, output2, 3);
imshow("output median", output2);
//双边滤波
Mat output3;
bilateralFilter(img, output3, 15, 150, 3);
imshow("output bilateral", output3);
//卷积模糊
Mat output4;
Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
filter2D(img, output4, -1, kernel, Point(-1, -1), 0);
imshow("output filter", output4);
waitKey(0);
return 0;
}
结果如下: