opencv3.4.10 算法测试

最新推荐文章于 2023-02-24 14:24:12 发布

Aries^_^

最新推荐文章于 2023-02-24 14:24:12 发布

阅读量289

点赞数

分类专栏：笔记文章标签： opencv 过滤器计算机视觉

本文链接：https://blog.csdn.net/weixin_42762863/article/details/119459619

版权

笔记专栏收录该内容

14 篇文章 0 订阅

订阅专栏

本文介绍了OpenCV中的两种图像平滑滤波器：双边滤波器和Box滤波器。双边滤波器在保持边缘的同时进行平滑，适合边缘保留的图像处理；Box滤波器则使用固定大小的核进行平滑，适用于简单的平滑操作。文章提供了函数用法、参数调整建议及代码示例，展示了如何在C++中实现这两种滤波器并保存处理结果。

摘要由CSDN通过智能技术生成

原图

在这里插入图片描述

双边滤波器 (bilateralFilter)

高斯低通滤波计算邻域中像素值的加权平均值，其中权重随着距邻域中心的距离而减小。虽然可以给出这种权重下降的正式和定量解释，但直觉是图像通常在空间上变化缓慢，因此附近的像素可能具有相似的值，因此将它们平均在一起是合适的。破坏这些附近像素的噪声值相互之间的相关性低于信号值，缓慢空间变化的假设在边缘失败，因此被线性低通滤波模糊。我们如何防止跨边缘求平均，同时仍然在平滑区域内求平均？许多努力致力于减少这种不希望的影响。双边滤波是一种简单的、非迭代的边缘保留平滑方案。

void cv::bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT)

Sigma 值：为简单起见，您可以将 2 个 Sigma 值设置为相同。如果它们很小（< 10），过滤器不会产生太大的效果
，而如果它们很大（> 150），它们将产生非常强烈的效果，使图像看起来“卡通化”。过滤器大小：大过滤器
（d > 5）非常慢，因此建议使用 d=5 用于实时应用程序，对于需要大量噪声过滤的离线应用程序，可能使用 d=9。

测试(完整代码在最后)

bilateralFilter

boxFilter

使用一个核来平滑图像
在这里插入图片描述

void cv::boxFilter(InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor = Point(-1,-1), bool normalize = true, int borderType = BORDER_DEFAULT)

测试

在这里插入图片描述

buildPyramid

为图像构建高斯金字塔。

void cv::buildPyramid(InputArray src, OutputArrayOfArrays dst, int maxlevel, int borderType = BORDER_DEFAULT)

dts参数放一个数组就好 maxlevel控制层数，2就是3张，原图一张，下采样两张。

测试

在这里插入图片描述

代码

#include <iostream>
#include <string>
#include <vector>

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc.hpp>

class Test_opencv {
public:
    Test_opencv() {
        image = cv::imread("C:\\Users\\Administrator\\Desktop\\pic.jpg", CV_LOAD_IMAGE_COLOR);
        if (!image.data)
        {
            std::cerr << "no_picture" << std::endl;
        }
    }

    //bilateralFilter
    cv::Mat& test_bilateralFilter(cv::Mat& img) {
        cv::bilateralFilter(image, img, 5, 150, 150);
        return img;
    }

    //boxFilter
    cv::Mat& test_boxFilter(cv::Mat& img) {
        cv::boxFilter(image, img, -1, cv::Size(5, 5));
        return img;
    }

    std::vector<cv::Mat>& test_buildPyramid(std::vector<cv::Mat>& picvec) {
        cv::buildPyramid(image, picvec, 2);
        return picvec;
    }

    void save_img(std::string pic_name, cv::Mat pic, std::string path = "C:\\Users\\Administrator\\Desktop\\pic\\") {
        std::string save_path = path + pic_name + ".jpg";
        cv::imwrite(save_path, pic);
    }

    void image_show(cv::Mat pic) {
        cv::imshow("result", pic);
        cv::waitKey(0);
    }
private:
    cv::Mat image;
};


int main() {
    Test_opencv test_opencv;
    cv::Mat pic;
    //pic = test_opencv.test_bilateralFilter(pic);
    //pic = test_opencv.test_boxFilter(pic);
    std::vector<cv::Mat> picvec;
    test_opencv.test_buildPyramid(picvec);
    std::cout << picvec.size() << std::endl;
    int j = 0;
    for (auto i : picvec) {
        //test_opencv.image_show(i);
        j++;
        test_opencv.save_img(std::to_string(j), i);
    }
    //test_opencv.save_img("boxFilter", pic);
    return 0;
}