图像平滑之平均平滑

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u012428169/article/details/53330991

作为代码界的菜鸟,最近在尝试着用vs实现《数字图像处理与机器视觉》一书中有关图像处理的VC++代码。目前在研究空间域增强,希望自己能够越走越远^_^
本篇是图像平滑中的平均平滑的实现。

#include <iostream>
#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>
using namespace std;
using namespace cv;

//常用滤波模板数组
//平均平滑1/9
float Template_Smooth_Avg[9] = { 1, 1, 1, 1, 1, 1, 1, 1, 1 };
/****************************************************************************************************
用指定的模板(任意大小)来对图像进行操作,参数iTempH指定模板的高度,iTempW指定模板的宽度,
参数ITempMX和ITempMY指定模板的中心元素坐标,参数pfArray指定模板元素,fCoef指定系数
*****************************************************************************************************/
void Template(Mat img,Mat &dst, int nTempH, int nTempW, int nTempMY, int nTempMX, float *pfArray, float fCoef)
{
    int i, j;
//#pragma omp parallel for
    for (i = nTempMY; i < img.rows - (nTempH - nTempMY) + 1; i++)
    {
        for (j = nTempMX; j < img.cols - (nTempW - nTempMX) + 1; j++)
        {
            float fResult1 = 0;
            float fResult2 = 0;
            float fResult3 = 0;
//#pragma omp parallel for
                for (int k = 0; k < nTempH; k++)
                {
                    for (int l = 0; l < nTempW; l++)
                    {
//#pragma omp critical
                        //{
                            fResult1 += img.at<Vec3b>(i + l - nTempMX, j + k - nTempMY)[0] * pfArray[k*nTempH + l];
                            fResult2 += img.at<Vec3b>(i + l - nTempMX, j + k - nTempMY)[1] * pfArray[k*nTempH + l];
                            fResult3 += img.at<Vec3b>(i + l - nTempMX, j + k - nTempMY)[2] * pfArray[k*nTempH + l];
                        //}
                    }
                }
                fResult1 *= fCoef;
                fResult1 = (float)fabs(fResult1);
                fResult2 *= fCoef;
                fResult2 = (float)fabs(fResult2);
                fResult3 *= fCoef;
                fResult3 = (float)fabs(fResult3);

//#pragma omp critical
                //{
                dst.at<Vec3b>(i, j)[0] = (fResult1>255) ? 255 : (fResult1 + 0.5);
                dst.at<Vec3b>(i, j)[1] = (fResult2>255) ? 255 : (fResult2 + 0.5);
                dst.at<Vec3b>(i, j)[2] = (fResult3>255) ? 255 : (fResult3 + 0.5);
                //}
        }
    }
}
void main()
{
    Mat img = imread("2.jpg");
    cvNamedWindow("原图", CV_WINDOW_FREERATIO);
    imshow("原图", img);
    Mat dst=img.clone();
    Template(img, dst, 3, 3, 1, 1, Template_Smooth_Avg, (float)1 / 9);
    cvNamedWindow("平均平滑", CV_WINDOW_FREERATIO);
    imshow("平均平滑", dst);
    waitKey(0);
}

原图如下:
原图
平均平滑后结果图如下:
结果图
需要注意的是由于使用的图片分辨率比较大,所以程序运行时间比较长。如何提高算法的速度是我在未来将要研究的一部分内容,这里就不再研究。

展开阅读全文

没有更多推荐了,返回首页