OpenCvSharp 学习笔记8 --图像的模糊处理1（滤波）

最新推荐文章于 2024-04-04 11:32:42 发布

haixin-561

最新推荐文章于 2024-04-04 11:32:42 发布

阅读量4.1k

点赞数 4

分类专栏：学习笔记文章标签：图像处理

本文链接：https://blog.csdn.net/weixin_41049188/article/details/90708619

版权

学习笔记专栏收录该内容

24 篇文章 79 订阅

订阅专栏

一：图像模糊处理（滤波)

作用： 在进行图像处理之前的预处理，降低图像的噪点，提高图像的平滑度。

公式：数学卷积
图像的各个像素点是一个离散的数据，然而数学卷积是一种线性连续的操作（求和动作），所以有叫做线性滤波。
$\sum_{k,j}{f(i+k,j+l)h(k,j)}$
说明： $i, j$ 表示图像的行和列 , $f (i, j)$ 就表示一幅图像。 $k, j$ 表示卷积核， $h (k, j)$ 表示卷积算子函数（或者叫掩膜）；卷积核在图像上进行卷积操作其中卷积核中心位置坐标就是 $(i, j)$ ，然后求卷积和与图像对应坐标点像素的乘积再进行相加求和(范围在 $k, j$ )之间，产生一个新的像素值。 $k, j$ 有称作卷积窗口大小，然后再将值再赋给 $g$ 对应的坐标点( $i, j$ ) 得到一副新的图像。
卷积操作是在图像上从上到下，从左到右，依次进行线性卷积计算。

图例：
在这里插入图片描述
假设灰色区域是 6 X 6 的像素矩阵，黄色是 3 X 3 的卷积核。
卷积核在图像上从上到下，从左到右，进行卷积操作：
（卷积和覆盖下的每个像素值乘以它对应的卷积核系数，本例中卷积核有9个系数，则有9个乘积，把这9个乘积相加后得到的值除于9得到平均值赋给中心点（红色区域）），
每一次得到新的值赋给中心点的红色坐标点，然后移动一个像素位置进行下一卷积运算，再把值赋给中心红色的位置。整幅图像依次类推。
有一个问题是 3 X 3 的卷积核边缘有一个像素处理不到，5 X 5 的卷积核就会有两个，7 X 7 就会有3个 … … 但是 OpenCv中有另外的边缘处理方法。

原理：1归一化盒子滤波（均值滤波）：

$\dfrac{1 }{K_w\cdot K_h}\begin{bmatrix} {1_{}}&{1_{}}&{\cdots}&{1_{}}\\ {1_{}}&{1_{}}&{\cdots}&{1_{}}\\ {1_{}}&{1_{}}&{\cdots}&{1_{}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {1_{}}&{1_{}}&{\cdots}&{1_{}}\\ \end{bmatrix}$

原理：2高斯滤波：

$G_0(x,y)=e \dfrac{-(x-\mu_x)^2}{2\sigma_x^2} +\dfrac{-(y-\mu_y)^2}{2\sigma_y^2}$
$\sigma_x ,\sigma_y :$ 用来调节高斯正太分布情况

二：相关API：

均值模糊：

 //
        // 摘要:
        //     Smoothes image using normalized box filter
        //
        // 参数:
        //   src:
        //     The source image 源图像
        //
        //   dst:
        //     The destination image; will have the same size and the same type as src 输出图像
        //
        //   ksize:
        //     The smoothing kernel size  卷积核 
        //
        //   anchor:
        //     The anchor point. The default value Point(-1,-1) means that the anchor is at
        //     the kernel center  卷积核中心点位置  (-1,-1)是默认值也是中心点
        //
        //   borderType:
        //     The border mode used to extrapolate pixels outside of the image  边缘处理类型
        public static void Blur(InputArray src, OutputArray dst, Size ksize, Point? anchor = null, BorderTypes borderType = BorderTypes.Reflect101);

高斯模糊：

 //
        // 摘要:
        //     Blurs an image using a Gaussian filter.
        //     使用高斯滤波器模糊图像
        // 参数:
        //   src:
        //     input image; the image can have any number of channels, which are processed independently,
        //     but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
        //    源图像 通带任意 深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F。
        //   dst:
        //     output image of the same size and type as src.
        //    输出图像
        //   ksize:
        //     Gaussian kernel size. ksize.width and ksize.height can differ but they both must
        //     be positive and odd. Or, they can be zero’s and then they are computed from sigma*
        //     卷积核  size(x,y):x,y必须是奇数且是正数
        //
        //   sigmaX:
        //     Gaussian kernel standard deviation in X direction.
        //     X方向上的高斯核标准差。
        //   sigmaY:
        //     Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set
        //     to be equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width
        //     and ksize.height, respectively (see getGaussianKernel() for details); to fully
        //     control the result regardless of possible future modifications of all this semantics,
        //     it is recommended to specify all of ksize, sigmaX, and sigmaY.
        //     Y方向高斯核标准差;如果sigmaY为零，则设置它
        //      要等于sigmaX，如果两个sigmas都是零，它们是从ksize.width计算出来的
         //     和ksize。高度，分别(详见getGaussianKernel();完全
         //     控制结果，而不考虑所有这些语义将来可能的修改，
         //    建议指定所有的ksize、sigmaX和sigmaY。
        //   borderType:
        //     pixel extrapolation method  边缘类型处理方法
        public static void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, BorderTypes borderType = BorderTypes.Reflect101);

三代码实现：

static void Main(string[] args)
        {
            string imagePath = @"C:\Users\whx\Desktop\opcvImage\mmm.jpg";
            TheMeanOfFuzzyAndGaussian(imagePath);
        }

 /// <summary>
        /// 均值模糊和高斯模糊
        /// </summary>
        private static void TheMeanOfFuzzyAndGaussian(string path)
        {
            using (src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                Mat gauss = new Mat();
                //注意：size 参数一定要是奇数 (均值模糊)
                Cv2.Blur(src, dst, new Size(5,5), new Point(-1, -1));

                //using(new Window("Gaussian Image",WindowMode.Normal,gauss))
                using(new Window("DST Image",WindowMode.AutoSize,dst))
                using (new Window("SRC Image", WindowMode.AutoSize, src))
                {
                    Cv2.WaitKey(0);
                }
            }
        }

在这里插入图片描述
上面使用均值模糊，卷积核大小：Size(5,5), 卷积核越大模糊程度越强。
还可以对 X 轴或 Y轴方向指定模糊：

private static void TheMeanOfFuzzyAndGaussian(string path)
        {
            using (src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                Mat gauss = new Mat();
                //注意：size 参数一定要是奇数 (均值模糊)  Y 轴模糊
                Cv2.Blur(src, dst, new Size(1,15), new Point(-1, -1));

                //using(new Window("Gaussian Image",WindowMode.Normal,gauss))
                using(new Window("DST Image",WindowMode.AutoSize,dst))
                using (new Window("SRC Image", WindowMode.AutoSize, src))
                {
                    Cv2.WaitKey(0);
                }
            }
        }

在这里插入图片描述
图像有上下跳动的感觉！
下面是高斯模糊和均值模糊对比

private static void TheMeanOfFuzzyAndGaussian(string path)
        {
            using (src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                Mat gauss = new Mat();
                //注意：size 参数一定要是奇数 (均值模糊)
                Cv2.Blur(src, dst, new Size(11,11), new Point(-1, -1));
                //高斯模糊
                Cv2.GaussianBlur(src, gauss, new Size(11, 11), 11, 11);
                using (new Window("Gaussian Image", WindowMode.Normal, gauss))
                using (new Window("Blur Image", WindowMode.Normal, dst))
                using (new Window("SRC Image", WindowMode.Normal, src))
                {
                    Cv2.WaitKey(0);
                }
            }
        }

在这里插入图片描述
高斯滤波应该比均值滤波处理更精细一点，但是我感觉在视觉上差不多！

自定义卷积核：

 private static void TheMeanOfFuzzyAndGaussian(string path)
        {
            using (src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                //Mat gauss = new Mat();
                注意：size 参数一定要是奇数 (均值模糊)
                //Cv2.Blur(src, dst, new Size(11,11), new Point(-1, -1));
                高斯模糊
                //Cv2.GaussianBlur(src, gauss, new Size(11, 11), 11, 11);
                //using (new Window("Gaussian Image", WindowMode.Normal, gauss))
                InputArray arr = InputArray.Create<float>(new float[3, 3] { { 0, -1, 0 }, { -1, 5, -1 }, { 0, -1, 0 } });
                Cv2.Filter2D(src, dst, -1, arr, new Point(-1, -1), 0);

                using (new Window("DST Image", WindowMode.Normal, dst))
                using (new Window("SRC Image", WindowMode.Normal, src))
                {
                    Cv2.WaitKey(0);
                }
            }
        }

在这里插入图片描述
图片亮度有所提升，对比更强烈了。

haixin-561

关注

4
点赞
踩
11

收藏

觉得还不错? 一键收藏
1
评论
OpenCvSharp 学习笔记8 --图像的模糊处理1（滤波）

一：图像模糊处理（滤波)作用：在进项图像处理之前的预处理，降低图像的噪点，提高图像的平滑度。公式：数学卷积图像的各个像素点是一个离散的数据，然而数学卷积是一种线性连续的操作（求和动作），所以有叫做线性滤波。g(i,j)=∑k,jf(i+k,j+l)h(k,j)g(i,j) = \sum_{k,j}{f(i+k,j+l)h(k,j)}g(i,j)=k,j∑f(i+k,j+l)h(k...
复制链接

扫一扫