OpenCV学习笔记 imgproc库1.线性滤波

最新推荐文章于 2023-01-22 13:31:12 发布

suxuyu01

最新推荐文章于 2023-01-22 13:31:12 发布

阅读量96

点赞数

分类专栏： OpenCV 笔记 # imgproc

本文链接：https://blog.csdn.net/suxuyu01/article/details/108956781

版权

笔记同时被 3 个专栏收录

23 篇文章 0 订阅

订阅专栏

OpenCV

15 篇文章 0 订阅

订阅专栏

imgproc

2 篇文章 0 订阅

订阅专栏

这篇博客介绍了OpenCV中实现线性滤波的原理，特别是方框滤波和高斯滤波。方框滤波通过设置一个全1的核并可选地进行归一化来平滑图像，常用于均值滤波。高斯滤波则是使用高斯核对图像进行滤波，可用于消除噪声。文中提供了C++代码示例，演示了如何使用`blur()`和`GaussianBlur()`函数进行滤波操作，展示了滤波前后的图像效果。

摘要由CSDN通过智能技术生成

使用-快速上手

参考该博客三.浅出部分

原理

线性滤波输出像素值，f为输入图像，h为核
$g(i,j)=\sum\limits_{k,l} f(i+k,j+l)*h(k,l)$

方框滤波

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

参数

src输入图像
dst目标图像
ddepth输出图像的深度，-1代表使用原图深度
ksize内核的大小，用Size(w,h)表示，w为像素宽度，h为像素高度
anchor锚点，如果该点坐标为负值表示取核的中心点为锚点
normalize内核是否被其区域归一化
borderType用于推断图像外部像素的某种边界模式

该函数所用的核为
$\left [ \begin{matrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{matrix} \right ]$
当normalize=true时， $a=\frac{1}{w*h}$
当normalize=false时， $a = 1$
下面说到的均值滤波其实就是normalize=true时的方框滤波

均值滤波

实际上这个函数基本上就是直接调用了boxFilter()

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

参数基本同上

高斯滤波

使用示例

#include <opencv2/opencv.hpp>

using namespace cv;

int main(int argc, char* argv[])
{
	Mat src; 
	src = imread("D:/Doucuments/temp/opencv_cpp/aete.jpg"); 
	Mat bdst, gbdst;
	
	blur(src, bdst, Size(20, 20));
	GaussianBlur(src, gbdst, Size(11, 11), 10, 10);
	
	namedWindow("src");
	namedWindow("blur");
	namedWindow("gblur");
	
	imshow("src", src);
	imshow("blur", bdst);
	imshow("gblur", gbdst);
	
	waitKey(0);
	return 0;
}