opencv 高通滤波和低通滤波_OpenCV学习笔记(一)

本文介绍了OpenCV中的高通滤波和低通滤波,高通滤波用于边缘检测,低通滤波用于去噪和平滑。详细讨论了核的概念和filter2D()函数的使用。接着讲解了Canny边缘检测算法的步骤,包括高斯滤波、梯度计算、非极大值抑制等。最后提到了轮廓检测的重要性和cv2.findContours()函数的使用。
摘要由CSDN通过智能技术生成

f7e03f43333655d3c89711aa29c38929.png

高通滤波和低通滤波

  1. 高通滤波器( High Pass Filter)是检测图像的某个区域,然后根据像素与周围像素的亮度差值来提升(boost)该像素的亮度的滤波器。在计算完中央像素与周围邻近像素的亮度差值之和以后,如果亮度变化很大,中央像素的亮度会增加(反之则不会)。换句话说,如果-一个像素比它周围的像素更突出,就会提升它的亮度。这在边缘检测上尤其有效,它会采用一种称为高频提升滤波器(high boost filter)的高通滤波器。高通和低通滤波器都有一个半径(radius)的属性,它决定了多大面积的邻近像素参与滤波运算。
  2. 低通滤波器(Low Pass Filter)则是在像素与周围像素的亮度差值小于-一个特定值时,平滑该像素的亮度。它主要用于去噪和模糊化,比如说,高斯模糊是最常用的模糊滤波器(平滑滤波器)之它是一个削弱高频信号强度的低通滤波器。

  1. 核也称为卷积矩阵,它是一个模板,里面存放的是一些权重,通过待处理像素点临近区域的像素点与核做卷积得到新的处理后的像素点。通常基于核的滤波器(滤波函数)被称为卷积滤波器(滤波函数)。
  2. OpenCV提供了--个非常通用的filter2D()函数,它运用由用户指定的任意核或卷积矩阵。卷积矩阵是-一个二维数组,有奇数行、奇数列,中心的元素对应于感兴趣的像素,感兴趣的像素是模板中心的像素,其他的元素对应于这个像素周围的邻近像素,每个元素都有一个整
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值