图像处理（opencv3编程入门第六章）第一节线性滤波

最新推荐文章于 2024-09-29 17:21:47 发布

浩浩乎@

最新推荐文章于 2024-09-29 17:21:47 发布

阅读量203

点赞数

分类专栏： OpenCV opencv3编程入门文章标签： opencv 线性滤波

OpenCV 同时被 2 个专栏收录

17 篇文章 1 订阅

订阅专栏

opencv3编程入门

11 篇文章 1 订阅

订阅专栏

文章目录

图像处理（opencv3编程入门第六章）第一节线性滤波

图像处理（opencv3编程入门第六章）第一节线性滤波

转载自https://blog.csdn.net/qq_35294564/article/details/81142524

处理方法介绍

1.平滑处理

Smoothing or bluring(模糊处理)。最常见的用途时用来减少图像上的噪点或者失真；降低图像的分辨率。

2.图像滤波与滤波器

图像滤波的目的有两个：特征提取和消除噪声。
关于滤波器，可以把它想象成一个包含加权系数的窗口。进行滤波时，这个窗口进行滑动，通过加权系数计算得到滤波后的结果。

3.线性滤波器

包括低通，高通，带通，带阻，全通，陷波。注意，低通相当于模糊，高通相当于锐化。

4.方框滤波

void boxFilter(InputArray src,OutputArray dst,int ddepth,Size ksize,Point anchor=Point(-1,-1),boolnormalize=true,int borderType=BORDER_DEFAULT)

第一个参数，InputArray类型的src，输入图像，即图像源，填Mat类对象即可，该函数对通道是独立处理的，且可以处理任意通道数的图片，处理图片深度应该是CV_8U,CV_16U,CV_16S,CV_32F,CV_64F之一；
第二个参数，OutputArray类型的dst，即目标图像，需要和原图像有一样的尺寸和类型；
第三个参数，int类型的ddepth，输入图像的深度，-1代表用原图像深度，即src.depth();
第四个参数，Size类型的ksize，内核的大小，一般用Size(w,h)的写法来表示内核的大小，例如Size(3,3)就是3×3的核大小；
第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意有默认值Point(-1,-1)，如果这个点坐标是负值的话就表示取核中心为锚点；
第六个参数，bool类型的normalize，默认值为true，一个标识符，表示内核是否被其区域归一化了；
第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT，一般不去管它。

如果我们要在可变的窗口中计算像素总和，可以使用integral()函数。

5.均值滤波

C++:  void blur(InputArray src,OutputArray,dst,Size ksize,Point anchor=Point(-1,-1),int borderType=BORDER_DEFAULT)

第一个参数，InputArray类型的src，输入图像，即图像源，填Mat类对象即可，该函数对通道是独立处理的，且可以处理任意通道数的图片，处理图片深度应该是CV_8U,CV_16U,CV_16S,CV_32F,CV_64F之一；
第二个参数，OutputArray类型的dst，即目标图像，需要和原图像有一样的尺寸和类型；比如可以用Mat::clone,以源图片为模板来初始化得到如假包换的目标图；
第三个参数，Size类型的ksize，内核的大小，一般用Size(w,h)的写法来表示内核的大小，例如Size(3,3)就是3×3的核大小；
第四个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意有默认值Point(-1,-1)，如果这个点坐标是负值的话就表示取核中心为锚点；
第五个参数，int类型的borderType，用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT，一般不去管它。

6.高斯滤波

C++: void GaussianBlur(InputArray src,OutputArray dst,Size ksize,double sigmaX,double,sigmaY=0,int borderType=BORDER_DEFAULT)

第一个参数，InputArray类型的src，输入图像，即图像源，填Mat类对象即可，该函数对通道是独立处理的，且可以处理任意通道数的图片，处理图片深度应该是CV_8U,CV_16U,CV_16S,CV_32F,CV_64F之一；
第二个参数，OutputArray类型的dst，即目标图像，需要和原图像有一样的尺寸和类型；比如可以用Mat::clone,以源图片为模板来初始化得到如假包换的目标图；
第三个参数，Size类型的ksize，内核的大小，一般用Size(w,h)的写法来表示内核的大小，ksize.width和ksize.height可以不同，但必须是正数&&奇数！！
第四个参数，double类型的sigmaX，表示高斯核函数在X方向上的标准差；
第五个参数，double类型的sigmaY，表示高斯核函数在Y方向上的标准差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都为零，那就由ksize.width和ksize.hight计算出来。为了结果的正确性着想，最好把第三个参数Size，第四个参数sigmaX，第五个参数sigmaY全部制定好；
第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT，一般不去管它。

示例代码

#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
 
//全局变量声明部分
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
static void on_BoxFilter(int, void *);
static void on_MeanBlur(int, void *);
static void on_GaussianBlur(int, void *);
 
//main()函数
int main() {
	//改变console字体颜色
	system("color5E");
 
	//载入原图
	g_srcImage = imread("1.jpg", 1);//载入三通道彩色图像
	if (!g_srcImage.data) {
		printf("读取srcImage错误！\n");
		return false;
	}
 
	//复制原图到三个Mat类型中
	g_dstImage1 = g_srcImage.clone();//初始化目标图像大小，类型
	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_BoxFilter(g_nBoxFilterValue, 0);//回调函数参数初始化
	//=========================================================
 
	//=====================【<2>均值滤波】=====================
	namedWindow("<2>均值滤波", 1);
	createTrackbar("内核值：", "<2>均值滤波", &g_nMeanBlurValue, 40, on_MeanBlur);
	on_MeanBlur(g_nMeanBlurValue, 0);
	//=========================================================
 
	//=====================【<3>高斯滤波】=====================
	namedWindow("<3>高斯滤波", 1);
	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,请调整轨迹条观察图像效果！\n\n" << "\t按下‘Q’键，程序退出！\n";
	//按下Q键程序退出
	while(char(waitKey(1))!='q'){}
 
	return 0;
}
 
//=======================【on_BoxFilter()函数】==============================
static void on_BoxFilter(int, void *) {//回调函数参数格式
	//方框滤波操作
	boxFilter(g_srcImage, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1));//ddepth=1,dst为原图深
	//显示窗口
	imshow("<1>方框滤波", g_dstImage1);
}
 
//=======================【on_MeanBlur()函数】===============================
static void on_MeanBlur(int, void *) {
	blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
	imshow("<2>均值滤波", g_dstImage2);
}
 
//=======================【on_GaussianBlur()函数】===========================
static void on_GaussianBlur(int, void *) {
	GaussianBlur(g_srcImage, g_dstImage3, Size(g_nGaussianBlurValue*2 + 1, g_nGaussianBlurValue*2 + 1), 0, 0);
	imshow("<3>高斯滤波", g_dstImage3);
}
--------------------- 
作者：衣带渐宽人憔悴 
来源：CSDN 
原文：https://blog.csdn.net/qq_35294564/article/details/81142524 
版权声明：本文为博主原创文章，转载请附上博文链接！