各种方法的图像平滑void cvSmooth(
const CvArr* src,CvArr* dst,int smoothtype=CV_GAUSSIAN,int param1=3,int param2=0,double param3=0,double param4=0 );
src
输入图像.
dst
输出图像.
smoothtype
平滑方法:
CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素的 param1×param2 领域求和。如果邻域大小是变化的,可以事先利用函数 cvIntegral 计算积分图像。
CV_BLUR (simple blur) - 对每个象素param1×param2邻域 求和并做尺度变换 1/(param1?param2).
CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为 param1×param2 的高斯卷积
CV_MEDIAN (median blur) - 对图像进行核大小为param1×param1 的中值滤波 (i.e. 邻域是方的).
CV_BILATERAL (双向滤波) - 应用双向 3x3 滤波,彩色 sigma=param1,空间 sigma=param2. 关于双向滤波,可参考 http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.htmlCV_BLUR_NO_SCALE 简单无缩放模糊 8UC1(in)16S32FC1(out) noneCV_BLUR 简单模糊 8U32FC1C3 in-placeCV_GAUSSIAN 高斯滤波 8U32FC1C3 noneCV_MEDIAN 中值滤波 8UC1C3 noneCV_BILATERAL 双向滤波 8UC1C3 none
param1
平滑操作的第一个参数.
param2
平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况,如果param2的值 为零,则表示其被设定为param1。
param3
对应高斯参数的 Gaussian sigma ( 标准差). 如果为 零,则标准差由下面的核尺寸计算:
sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核,
对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma 速度会快。如果 param3 不为零,而 param1 和 param2 为零,则核大小有 sigma 计算 (以保证足够精确的操作).n=param2 对应垂直核.
函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。
没有缩放的图像平滑仅支持单通道图像,并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。
简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以(in-place)方式处理图像。
中值和双向滤波工作于 1- 或 3-通道, 8-位图像,但是不能以 in-place 方式处理图像.
#include "cv.h" #include "highgui.h" #include <stdlib.h> #include <stdio.h> int main(int argc, char **argv) { // load source image // 1. color image IplImage *src_clr_img = cvLoadImage("lena.bmp", 1); if (NULL == src_clr_img) { perror("Lena.jpg"); exit(1); } // 2. gray image IplImage *src_gray_img = cvCreateImage(cvGetSize(src_clr_img), IPL_DEPTH_8U, 1); cvCvtColor(src_clr_img, src_gray_img, CV_BGR2GRAY); // set destination image // 1.简单无缩放模糊 // 支持输入8U1C;输出16S1C,32F1C IplImage *des_img_blur_noscale = cvCreateImage(cvGetSize(src_clr_img), IPL_DEPTH_16S, 1); // translate cvSmooth(src_gray_img, des_img_blur_noscale, CV_BLUR_NO_SCALE, 3, 3, 0.0, 0.0); // 2.简单模糊 // 支持输入输出8U32F1C3C IplImage *des_img_blur = cvCreateImage(cvGetSize(src_clr_img), IPL_DEPTH_8U, 3); // translate cvSmooth(src_clr_img, des_img_blur, CV_BLUR, 3, 3, 0.0, 0.0); //3.高斯模糊 // 支持输入输出8U32F1C3C IplImage *des_img_gauss = cvCreateImage(cvGetSize(src_clr_img), IPL_DEPTH_8U, 3); // translate cvSmooth(src_clr_img, des_img_gauss, CV_GAUSSIAN, 3, 3, 0.0, 0.0); // 4.中值滤波 // 支持输入输出8UC1C3 IplImage *des_img_median = cvCreateImage(cvGetSize(src_clr_img), IPL_DEPTH_8U, 3); // translate cvSmooth(src_clr_img, des_img_median, CV_MEDIAN, 3, 3, 0.0, 0.0); // 5.双边滤波 // 支持输入输出8UC1C3 IplImage *des_img_bilateral = cvCreateImage(cvSize(src_clr_img->width, src_clr_img->height), IPL_DEPTH_8U, 3); cvSmooth(src_clr_img, des_img_bilateral, CV_BILATERAL, 3, 3, 0.0, 0.0); // create window cvNamedWindow("src_clr", CV_WINDOW_AUTOSIZE); cvNamedWindow("src_gray", CV_WINDOW_AUTOSIZE); cvNamedWindow("des_gray_blur_noscale", CV_WINDOW_AUTOSIZE); cvNamedWindow("des_clr_blur", CV_WINDOW_AUTOSIZE); cvNamedWindow("des_clr_gauss", CV_WINDOW_AUTOSIZE); cvNamedWindow("des_clr_median", 1); cvNamedWindow("des_clr_bilateral", 1); // show image cvShowImage("src_clr", src_clr_img); cvShowImage("src_gray", src_gray_img); cvShowImage("des_gray_blur_noscale", des_img_blur_noscale); cvShowImage("des_clr_blur", des_img_blur); cvShowImage("des_clr_gauss", des_img_gauss); cvShowImage("des_clr_median", des_img_median); cvShowImage("des_clr_bilateral", des_img_bilateral); cvWaitKey(0); // release and destroy cvReleaseImage(&src_clr_img); cvReleaseImage(&src_gray_img); cvReleaseImage(&des_img_blur_noscale); cvReleaseImage(&des_img_blur); cvReleaseImage(&des_img_gauss); cvReleaseImage(&des_img_median); cvReleaseImage(&des_img_median); cvReleaseImage(&des_img_bilateral); cvDestroyAllWindows(); return 0; }