OpenCV-Filter篇

《OpenCV 2 Computer Vision Application Programming Cookbook》
   Chapter 6 Filtering the Images

1. 滤波器。第一次接滤波器的概念，是在大二的电子设计实验课和信号与系统这两门课上。顾名思义，滤波，就是将信号的某些个频段的波给去掉，比如说像低通滤波器（low-pass filter），就是将高频段的波去掉，只允许低频波通过。对应到图像处理上，就是去观察图像的各个像素值的变化和分布。比如说，一副画有天空的图片，其大部分颜色都是蓝色，所以其像素变化小，可以归到“低频段”；相反的，一副画有各种场景、人物、物体的图像，其像素种类多、变化快，相对的就可以归到“高频段”了。工程上将这种方法叫做频域（frequency domain）分析，而在图像处理上叫做空间域（spatial domain）分析。这也是工程概念在图像处理上的一个典型应用。
2. 卷积。在大二的复变函数和信号与系统这两门课上学过。不过因为遗忘再加上当年没学好，所以在看这章的时候相对来说有些吃力。在这里，卷积是图像处理中好多变换的基础，而其功能的实现主要是由其卷积核的形式来决定的。这个核本质上是一个大小固定、由数值参数参数组成的一个数组，数组的参考点（anchor pointer）通常位于数组的中心。以一个3*3卷积核为例：若要计算一个特定点的倦极值，将核的参考点与该点对应，核的其余元素与特定点周围的像素一一对应，将这些值相乘求和，并将结果放到参考点所对应点的位置。通过在整个图像上扫描卷积核，就可以实现对图像所有像素值的卷积操作从而实现莫种图像变换。
3. Sobel Filter：求导（近似）。参考《学习OpenCV》P171：Sobel导数并不是真正的导数，因为Sobel导数定义在一个离散空间之上。Sobel算子真正表示的多项式拟合，也就是说，x方向上的二阶Sobel导数并不是真正的导数。它是对抛物线函数的局部拟合。这么理解，导数的大小表示的数值变化的程度，对应到图像处理上，就是反映各个像素值变化的快慢了（高数不好，先这么理解了）。

 

 4.   Laplace变换，实现类似二阶Sobel导数。

下面是一个Sobel函数的简单应用（边缘检测）
边缘一般是图像变化较快的“频段”，利用Sobel的方向性和高通性便可以很快的检测到图像的边缘了。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

//Chapter 6:Filtering the image //By Steven 2012.11.13   #include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <iostream>   using  namespace  cv; using  namespace  std;   //using directional filter to detect edges int  main() {      cv::Mat image=cv::imread( "D:\\opencvStudy\\pic\\boldt.jpg" );      if (!image.data)          std::cout<< "Error loading the picture" <<std::endl;        cv::Mat soble_x,soble_y;      cv::Sobel(image,soble_x,CV_16S,1,0);      cv::Sobel(image,soble_y,CV_16S,0,1);      cv::Mat soble;      //compute the L1 norm      soble= abs (soble_y)+ abs (soble_x);        //find sobel max value      double  sobmin,sobmax;      cv::minMaxLoc(soble,&sobmin,&sobmax);      //vonvert to 8-bit image      //sobelimage=-alpha*sobel+255;      cv::Mat sobelImage;      soble.convertTo(sobelImage,CV_8U,-255./sobmax,255);            imshow( "soble" ,soble);        //cv::threshold(sobelImage,sobelImage,200,255,cv::THRESH_BINARY);      imshow( "sobelImage" ,sobelImage);      waitKey(0);      return  0; }

 

数学功底不好，只能理解这么多了。有待继续学习。
Steven

2012.11.14

转载于:https://www.cnblogs.com/steven-blog/archive/2012/12/14/2919267.html