OppenCV学习教程之实现自己的滤波器

目的

本篇教程中，我们将学到：

用OpenCV函数 filter2D 创建自己的线性滤波器。

原理

Note 以下解释节选自Bradski and Kaehler所著 Learning OpenCV 。

卷积

高度概括地说，卷积是在每一个图像块与某个算子（核）之间进行的运算。

核是什么？

核说白了就是一个固定大小的数值数组。该数组带有一个 锚点 ，一般位于数组中央。

如何用核实现卷积？

假如你想得到图像的某个特定位置的卷积值，可用下列方法计算：

1. 将核的锚点放在该特定位置的像素上，同时，核内的其他值与该像素邻域的各像素重合；
2. 将核内各值与相应像素值相乘，并将乘积相加；
3. 将所得结果放到与锚点对应的像素上；
4. 对图像所有像素重复上述过程。

用公式表示上述过程如下：

幸运的是，我们不必自己去实现这些运算，OpenCV为我们提供了函数 filter2D 。

代码

• 下面这段程序做了些什么？
  1、载入一幅图像

2、对图像执行 归一化块滤波器 。举例来说，如果该滤波器核的大小为 size = 3 ，则它会像下面这样：

3、程序将执行核的大小分别为3、5、7、9、11的滤波器运算。

4、该滤波器每一种核的输出将在屏幕上显示500毫秒

• 本教程代码所示如下。

   #include "opencv2/imgproc/imgproc.hpp"
   #include "opencv2/highgui/highgui.hpp"
   #include <stdlib.h>
   #include <stdio.h>
   
   using namespace cv;
   
   /** @函数main */
   int main ( int argc, char** argv )
   {
     /// 声明变量
     Mat src, dst;
   
     Mat kernel;
     Point anchor;
     double delta;
     int ddepth;
     int kernel_size;
     char* window_name = "filter2D Demo";
   
     int c;
   
     /// 载入图像
     src = imread( argv[1] );
   
     if( !src.data )
     { return -1; }
   
     /// 创建窗口
     namedWindow( window_name, CV_WINDOW_AUTOSIZE );
   
     /// 初始化滤波器参数
     anchor = Point( -1, -1 );
     delta = 0;
     ddepth = -1;
   
     /// 循环 - 每隔0.5秒，用一个不同的核来对图像进行滤波
     int ind = 0;
     while( true )
       {
         c = waitKey(500);
         /// 按'ESC'可退出程序
         if( (char)c == 27 )
           { break; }
   
         /// 更新归一化块滤波器的核大小
         kernel_size = 3 + 2*( ind%5 );
         kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);
   
         /// 使用滤波器
         filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );
         imshow( window_name, dst );
         ind++;
       }
   
     return 0;
   }
  

说明

• 载入一幅图像

   src = imread( argv[1] );
  
   if( !src.data )
   	{ return -1; }
  

• 创建窗口以显示结果

   namedWindow( window_name, CV_WINDOW_AUTOSIZE );
  

• 初始化线性滤波器的参数

   anchor = Point( -1, -1 );
   delta = 0;
   ddepth = -1;
  

• 执行无限循环。在循环中，我们更新了核的大小，并将线性滤波器用在输入图像上。下面，我们详细分析一下该循环：

• 首先，我们定义滤波器要用到的核。像下面这样

   kernel_size = 3 + 2*( ind%5 );
   kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);
  

第一行代码将 核的大小 设置为 [3,11] 范围内的奇数。第二行代码把1填充进矩阵，并执行归一化——除以矩阵元素数——以构造出所用的核。

• 将核设置好之后，使用函数 filter2D 就可以生成滤波器：

   filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );
  

其中各参数含义如下：

src: 源图像
dst: 目标图像
ddepth: dst 的深度。若为负值（如 -1 ），则表示其深度与源图像相等。
kernel: 用来遍历图像的核
anchor: 核的锚点的相对位置，其中心点默认为 (-1, -1) 。
delta: 在卷积过程中，该值会加到每个像素上。默认情况下，这个值为 0 。
BORDER_DEFAULT: 这里我们保持其默认值，更多细节将在其他教程中详解

#. 我们在程序里写了个 while 循环。每隔500毫秒，滤波器的核将在我们所指定的范围内更新。 结果 ========

编译好上述代码之后，输入图像路径的参数，我们就可以执行这个程序。其输出结果是一个窗口，其中显示了由归一化滤波器模糊之后的图像。每过0.5秒，滤波器核的大小会有所变化，如你在下面几张图像中所见：