iOS-Opencv 基础学习四（对图片进行图像模糊处理blur、边缘处理Canny）

iOS中 利用opencv 对图片进行模糊处理，所用到的函数-均值滤波——blur函数

原理：均值滤波是一种典型的线性滤波算法，主要是利用像素点邻域的像素值来计算像素点的值。其具体方法是首先给出一个滤波模板kernel，该模板将覆盖像素点周围的其他邻域像素点，去掉像素本身，将其邻域像素点相加然后取平均值即为该像素点的新的像素值，这就是均值滤波的本质。

原理转自 http://blog.csdn.net/keith_bb/article/details/54382426

+ (UIImage *)ImageToBlur:(UIImage *)image
{
    //实现功能
    //第一步：将iOS图片->OpenCV图片(Mat矩阵)
    Mat mat_image_src;
    UIImageToMat(image, mat_image_src);
    Mat mat_image_dst;
    
    /*
     blur的作用是对输入的图像src进行均值滤波后用dst输出。
     */
    blur(mat_image_src,mat_image_dst,cv::Size(25,25));
    return MatToUIImage(mat_image_dst);
}

// 对图片进行边缘处理

边缘处理概述：Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论（Computational theory of edge detection）解释这项技术如何工作。
通常情况下边缘检测的目的是在保留原有图像属性的情况下，显著减少图像的数据规模。目前有多种算法可以进行边缘检测，虽然Canny算法年代久远，但可以说它是边缘检测的一种标准算法，而且仍在研究中广泛使用。（来自百度百科）

// 对图片进行边缘处理
+ (UIImage *)ImageToCanny:(UIImage *)image
{
    //实现功能
    //第一步：将iOS图片->OpenCV图片(Mat矩阵)
    image = [UIImage imageNamed:@"building.jpg"];
    Mat mat_image_src;
    UIImageToMat(image, mat_image_src);
    int channel = mat_image_src.channels();
    if (channel<=2) {
        return image;
    }
    Mat mat_image_dst,grayimage,edge;
    mat_image_dst.create(mat_image_src.size(), mat_image_src.type());
    
    /*
     OpenCV Error: Assertion failed (scn == 3 || scn == 4) in cvtColor,
     错误原因是因为你的输入文件不合法，正确的image应该至少有3或者4个channel
     */
    cvtColor(mat_image_src,grayimage,COLOR_BGR2GRAY);
    blur(grayimage,edge,cv::Size(3,3));
    /*
     第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。
     第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。
     第三个参数，double类型的threshold1，第一个滞后性阈值。
     第四个参数，double类型的threshold2，第二个滞后性阈值。
     第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。 Aperture size should be odd between 3 and      7 in function Canny
     第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。
     */
    Canny(edge,edge,100,200,3);
    return MatToUIImage(edge);
}