opencv (三十二)可分离滤波

小白学视觉,笔记,扩展

在这里插入图片描述
分离为X、Y方向的滤波器,无论是先X方向,还是先Y方向,叠加结果和没有分离的滤波结果一样;
节省时间,为处理加速提供可能;
行滤波器3个数据,列滤波3个数据;
如果直接滤波,9个数据,增加了时间。

在这里插入图片描述
在这里插入图片描述

#include <opencv2\opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
	float points[25] = { 1,2,3,4,5,
					   6,7,8,9,10,
					   11,12,13,14,15,
					   16,17,18,19,20,
					   21,22,23,24,25 };
	Mat data(5, 5, CV_32FC1, points);

	//X方向、Y方向和联合滤波器的构建
	Mat a = (Mat_<float>(3, 1) << -1, 3, -1);
	cout<<a.channels()<<endl;
	Mat b = a.reshape(1, 1);//Mat reshape(int cn, i
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是使用C语言实现OpenCV分离均值滤波器的示例代码: ``` #include <stdio.h> #include <stdlib.h> #include <opencv2/opencv.hpp> using namespace cv; int main(int argc, char** argv) { if (argc != 2) { printf("Usage: ./mean_filter <image_path>\n"); return -1; } Mat image, blurred_image; image = imread(argv[1], IMREAD_COLOR); if (!image.data) { printf("Could not open or find the image.\n"); return -1; } int kernel_size = 5; float kernel_data[kernel_size] = { 0.2, 0.2, 0.2, 0.2, 0.2 }; Mat horizontal_kernel = Mat(1, kernel_size, CV_32F, kernel_data); Mat vertical_kernel = Mat(kernel_size, 1, CV_32F, kernel_data); sepFilter2D(image, blurred_image, -1, horizontal_kernel, vertical_kernel, Point(-1, -1), 0, BORDER_DEFAULT); namedWindow("Original Image", WINDOW_NORMAL); namedWindow("Blurred Image", WINDOW_NORMAL); imshow("Original Image", image); imshow("Blurred Image", blurred_image); waitKey(0); return 0; } ``` 在上述代码中,我们首先读入一张彩色图像,然后定义了一个5x5的均值核,并将其分别转换为水平和垂直方向的核。接着,我们使用OpenCV的`sepFilter2D`函数对图像进行分离均值滤波。最后,我们将原始图像和模糊后的图像显示在两个窗口中,等待用户按下任意键退出程序。 需要注意的是,在使用`sepFilter2D`函数时,我们需要将`ddepth`参数设置为`-1`,这表示输出图像的深度与输入图像相同。另外,我们还需要指定卷积核的中心点位置为`(-1,-1)`,表示中心点位置为核的中心,默认情况下,中心点位置为核的左上角。最后一个参数表示边缘填充方式,默认为`BORDER_DEFAULT`,表示使用默认的边缘填充方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R-G-B

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值