自学opencv，day4

模糊图像

模糊处理：九个点的像素加起来除以9，为中心那个红点的像素，这样就实现了模糊处理，又叫均值滤波

另外：还有一种常用的滤波方法：高斯滤波

由高斯的图可知，滤波的权重是不一样的（相比于均值滤波），会保留一些原有的图像特质，而均值滤波收周围的干扰比较大。

相关API：

均值模糊：

blur（原图像，输出图像，窗口xy坐标，中心像素在哪（默认-1，-1就是正中心））；

高斯模糊:

• 均值模糊：

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;

int main(int argc, char** argv)
{
	Mat src, dst;
	src = imread("C:/Users/Administrator/Pictures/20160711084909.jpg");
	if (!src.data)
	{
		printf("could not load image...\n");
		return -1;
	}
	char input_title[] = "input image";
	char out_title[] = "blur image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	namedWindow(out_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	blur(src, dst, Size(3, 3), Point(-1, -1));
	imshow(out_title, dst);

	waitKey(0);
	return 0;
}

效果图：

图1-1 均值模糊

Size（）改为15， 1，效果：

图1-2 x轴模糊

进行X方向上的模糊

Size（）改为1， 15效果：

图1-3 y轴模糊

进行Y方向上的模糊

Size的参数尽量选奇数

• 高斯模糊：

GaussianBlur(src, gblur, Size(11, 11), 11, 11);

效果图：

图1-4 高斯模糊图（为了对比参数都为Size（11， 11））

特性，极大值极小值突出。

空域核和值域核同时考虑。

ksize：卷积和的大小是多大（奇数）
d:窗口半径
150：值域的约束条件，根据颜色值来计算，颜色空间过滤器的sigma值，这个参数的值月大，表明该像素邻域内有月宽广的颜色会被混合到一起，产生较大的半相等颜色区域
3：坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace.
引用一篇文章里面更加详细的讲述了各个参数的作用：双边滤波参数介绍

• 中值滤波

原来的代码（错误）：

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;

int main(int argc, char** argv)
{
	Mat src, dst;
	src = imread("C:/Users/Administrator/Pictures/20160711084909.jpg");
	if (!src.data)
	{
		printf("could not load image...\n");
		return -1;
	}
	char input_title[] = "input image";
	char out_title[] = "blur image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	//namedWindow(out_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	medianBlur(src, dst, 3);
	imshow(input_title, dst);
	waitKey(0);
	return 0;
}

无法出来新的图片，参考别的博主的文章后发现：原来是最后输出的窗口名字是out_title,我写成了imshow(input_title, dst);

更正后的：

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace cv;

int main(int argc, char** argv)
{
	Mat src, dst;
	src = imread("C:/Users/Administrator/Pictures/20160711084909.jpg");
	if (!src.data)
	{
		printf("could not load image...\n");
		return -1;
	}
	char input_title[] = "input image";
	char out_title[] = "blur image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	//namedWindow(out_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	medianBlur(src, dst, 3);
	imshow(out_title, dst);
	waitKey(0);
	return 0;
}

效果图：

图1-5 中值模糊

• 双边滤波

	bilateralFilter(src, blur2, 15, 150, 3);

效果图：

图1-6 对比中指滤波（左）的双边滤波图

对比高斯模糊：

图1-7 对比高斯模糊（左）的双边滤波图

配合掩模操作：

	Mat result;
	Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	filter2D(blur2, result, -1, kernel, Point(-1, -1), 0);

图1-8 掩模后最后效果