模糊图像

 

模糊原理

Smooth/Blur 是图像处理中最简单和常用的操作之一 使用该操作的原因之一就为了给图像预处理时候减低噪声 使用Smooth/Blur操作其背后是数学的卷积计算

通常这些卷积算子计算都是线性操作，所以又叫线性滤波

 

 

假设有6x6的图像像素点矩阵。

卷积过程：6x6上面是个3x3的窗口，从左向右，从上向下移动，黄色的每个像个像素点值之和取平均值赋给中心红色像素作为它卷积处理之后新的像素值。每次移动一个像素格。

归一

l高斯模糊

- GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);

其中Size（x, y）, x, y 必须是正数而且是奇数

化盒子滤波（均值滤波）

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;



int main(void) {
	Mat src, dst;
	src = imread("C:/Users/Robin/Pictures/2334.jpg");
	if (!src.data) {
		std::cout << "could not load image1..\n";
		return -1;
	}  
	char input_title[] = "input image";
	char output_title[] = "blur_image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	blur(src, dst, Size(29, 3), Point(-1, -1));//均值模糊  尽量选奇数
	imshow(output_title, dst);


	waitKey(0);
	
	return 0;
}

 

 

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;

int main(void) {
	Mat src, dst;
	src = imread("C:/Users/Robin/Pictures/2334.jpg");
	if (!src.data) {
		std::cout << "could not load image1..\n";
		return -1;
	}  
	char input_title[] = "input image";
	char output_title[] = "blur_image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	GaussianBlur(src, dst, Size(5, 5), 11, 11);//高斯模糊
	imshow(output_title, dst);

	waitKey(0);
	
	return 0;
}

 

双边滤波

均值模糊无法克服边缘像素信息丢失缺陷。原因是均值滤波是基于平均权重

高斯模糊部分克服了该缺陷，但是无法完全避免，因为没有考虑像素值的不同

高斯双边模糊 – 是边缘保留的滤波方法，避免了边缘信息丢失，保留了图像轮廓不变

相关API

中值模糊medianBlur（Mat src, Mat dest, ksize） 双边模糊bilateralFilter(src, dest, d=15, 150, 3);

• 15 –计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值

  • 150 – sigma color 决定多少差值之内的像素会被计算

 

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;

int main(void) {
	Mat src, dst;
	src = imread("C:/Users/Robin/Pictures/2334.jpg");
	if (!src.data) {
		std::cout << "could not load image1..\n";
		return -1;
	}  
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	medianBlur(src, dst, 3);//中值滤波
	namedWindow("median filter Result", CV_WINDOW_AUTOSIZE);
	imshow("median filter Result", dst);
	
	waitKey(0);	
	return 0;
}

 

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;

int main(void) {
	Mat src, dst;
	src = imread("C:/Users/Robin/Pictures/34.jpg");
	if (!src.data) {
		std::cout << "could not load image1..\n";
		return -1;
	}  
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	//medianBlur(src, dst, 3);//中值滤波

	bilateralFilter(src, dst, 15, 100, 5);//双边模糊 100左右磨皮

	namedWindow("median filter Result", CV_WINDOW_AUTOSIZE);
	imshow("median filter Result", dst);

	//Mat gblur;
	//GaussianBlur(src, gblur, Size(15, 15), 3, 3);//高斯模糊
	//namedWindow("GaussianBlur Result", CV_WINDOW_AUTOSIZE);
	//imshow("GaussianBlur Result", gblur);

	Mat resultImag;
	Mat keynel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//掩膜提升对比度
	filter2D(dst, resultImag, -1, keynel, Point(-1, -1), 0);
	
	namedWindow("fin Result", CV_WINDOW_AUTOSIZE);
	imshow("fin Result", resultImag);

	waitKey(0);	
	return 0;
}