《Open CV3编程入门》学习笔记5

线性滤波：方框滤波、均值滤波、高斯滤波

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;


//-----------------------------------【全局变量声明部分】--------------------------------------
//	描述：全局变量声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage,g_dstImage1,g_dstImage2,g_dstImage3;//存储图片的Mat类型
int g_nBoxFilterValue=3;  //方框滤波参数值
int g_nMeanBlurValue=3;  //均值滤波参数值
int g_nGaussianBlurValue=3;  //高斯滤波参数值


//-----------------------------------【全局函数声明部分】--------------------------------------
//	描述：全局函数声明
//-----------------------------------------------------------------------------------------------
//四个轨迹条的回调函数
static void on_BoxFilter(int, void *);		//均值滤波
static void on_MeanBlur(int, void *);		//均值滤波
static void on_GaussianBlur(int, void *);	//高斯滤波
void ShowHelpText();
int main(   )
{
	// 载入原图
	g_srcImage = imread( "1.jpg", 1 );
	if( !g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

	//克隆原图到三个Mat类型中
	g_dstImage1 = g_srcImage.clone( );
	g_dstImage2 = g_srcImage.clone( );
	g_dstImage3 = g_srcImage.clone( );

	//显示原图
	namedWindow("【<0>原图窗口】", 1);
	imshow("【<0>原图窗口】",g_srcImage);


	//=================【<1>方框滤波】==================
	//创建窗口
	namedWindow("【<1>方框滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<1>方框滤波】",&g_nBoxFilterValue, 40,on_BoxFilter );
	on_MeanBlur(g_nBoxFilterValue,0);
	imshow("【<1>方框滤波】", g_dstImage1);
	//================================================

	//=================【<2>均值滤波】==================
	//创建窗口
	namedWindow("【<2>均值滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<2>均值滤波】",&g_nMeanBlurValue, 40,on_MeanBlur );
	on_MeanBlur(g_nMeanBlurValue,0);
	//================================================

	//=================【<3>高斯滤波】=====================
	//创建窗口
	namedWindow("【<3>高斯滤波】", 1);
	//创建轨迹条
	createTrackbar("内核值：", "【<3>高斯滤波】",&g_nGaussianBlurValue, 40,on_GaussianBlur );
	on_GaussianBlur(g_nGaussianBlurValue,0);
	//================================================


	//输出一些帮助信息
	cout<<endl<<"\t运行成功，请调整滚动条观察图像效果~\n\n"
		<<"\t按下“q”键时，程序退出。\n";

	//按下“q”键时，程序退出
	while(char(waitKey(1)) != 'q') {}

	return 0;
}


//-----------------------------【on_BoxFilter( )函数】------------------------------------
//	描述：方框滤波操作的回调函数
//-----------------------------------------------------------------------------------------------
static void on_BoxFilter(int, void *)
{
	//方框滤波操作
	boxFilter( g_srcImage, g_dstImage1, -1,Size( g_nBoxFilterValue+1, g_nBoxFilterValue+1));
	/*方框滤波：参数一输入图像，但图像深度为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F之一；
	第三个参数：输出图像的深度，-1代表使用源图片深度；
	第四个参数：内核大小，一般用Size(w,h)表示；
	第五个参数：Point类型的anchor，表示锚点（即被平滑的那个点），有默认值Point（-1，-1）。如果这个坐标是负值的话，就表示取核的中心为锚点，所以默认值表示锚点在核的中心；
	第六个参数：bool类型的normalize,默认值为true,代表归一化与均值滤波相同，当为false，不归一化，核值全相加后不除以核大小；
	第七个参数：int类型的borderType，推断边界模式，有默认值BORDER_DEFAULT，一般不管，具体见下
	enum BorderTypes {  
    BORDER_CONSTANT    = 0, //!< `iiiiii|abcdefgh|iiiiiii`  with some specified `i`  
    BORDER_REPLICATE   = 1, //!< `aaaaaa|abcdefgh|hhhhhhh`  
    BORDER_REFLECT     = 2, //!< `fedcba|abcdefgh|hgfedcb`  
    BORDER_WRAP        = 3, //!< `cdefgh|abcdefgh|abcdefg`  
    BORDER_REFLECT_101 = 4, //!< `gfedcb|abcdefgh|gfedcba`  
    BORDER_TRANSPARENT = 5, //!< `uvwxyz|absdefgh|ijklmno`  
  
    BORDER_REFLECT101  = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101  
    BORDER_DEFAULT     = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101  
    BORDER_ISOLATED    = 16 //!< do not look outside of ROI  
};  */
	//显示窗口
	imshow("【<1>方框滤波】", g_dstImage1);
}


//-----------------------------【on_MeanBlur( )函数】------------------------------------
//	描述：均值滤波操作的回调函数
//-----------------------------------------------------------------------------------------------
static void on_MeanBlur(int, void *)
{
	//均值滤波操作
	blur( g_srcImage, g_dstImage2, Size( g_nMeanBlurValue+1, g_nMeanBlurValue+1), Point(-1,-1));
	//几乎同方框滤波，除去输出深度与normalize；
	//显示窗口
	imshow("【<2>均值滤波】", g_dstImage2);
}


//-----------------------------【ContrastAndBright( )函数】------------------------------------
//	描述：高斯滤波操作的回调函数
//-----------------------------------------------------------------------------------------------
static void on_GaussianBlur(int, void *)
{
	//高斯滤波操作
	GaussianBlur( g_srcImage, g_dstImage3, Size( g_nGaussianBlurValue*2+1, g_nGaussianBlurValue*2+1 ), 0, 0);
	/*高斯滤波：参数一输入图像，但图像深度为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F之一；
	第三个参数：长和宽可以不同但它们都必须为正数且为奇数，或者为0，这都由sigma计算而来；
	第四个参数；double类型的sigmaX，表示高斯核函数在X方向的标准差；
	第五个参数：double类型的sigmaY，表示高斯核函数在Y方向的标准差。若sigmaY为0，就将它设为sigmaX；如果sigmaX和sigmaY都是0，那么就由内核大小即ksize.width和ksize.height计算出来；
	为了结果的正确性，最好把第三、四、五参数全部指定到
	第六个参数：同上边界模式；
	 g_nGaussianBlurValue*2+1, g_nGaussianBlurValue*2+1保证为奇数；
	 高斯核大小与sigma关系：
	 其实，只要知道模板的大小和高斯函数的方差sigma,由二维高斯函数的表达式很容易计算出高斯核，只要在归一化就可以了。但是由高斯函数的分布特性可知落在u-3*sigma到u+3*sigma的概率大于百分之九九，所以模板大小的选取往往与sigma的取值是相关的，一般而言：
    取行dim = 1 + 2 * ((int) (3.0 * sigma));opencv和sift中的源码也是这么做的，当然实际中可以其实没有这么严格。我们可以使用matlab中的函数直接计算出高斯核，例如3x3的高斯模板：filter=fspecial(‘gaussian’,3,1);其中sigma=1;
    sigma的取值决定了高斯函数窗口的大小。在实际中经常看到sigma取值0.8或者1。正常情况下我们由高斯函数计算得到的模板是浮点型数，即double，但是有些情况我们为了加快计算需要将模板处理成整数*/
	//显示窗口
	imshow("【<3>高斯滤波】", g_dstImage3);
}
//问题：高斯核高宽为何为奇数？