📢:如果你也对机器人、人工智能感兴趣,看来我们志同道合✨
📢:不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢:文章若有幸对你有帮助,可点赞 👍 收藏 ⭐不迷路🙉
📢:内容若有错误,敬请留言 📝指正!原创文,转载请注明出处
文章目录
滤波介绍
滤波包括线性和非线性滤波。
Smooth/Blur 是图像处理中最简单和常用的操作之一
效果:
在图像预处理之前减低噪声,优化预处理前的图像。
通常这些卷积算子计算都是线性操作,所以又叫线性滤波
滤波操作的原理是卷积运算
一、中值滤波
作用:中值滤波对椒盐噪声有很好的抑制作用。
所谓椒盐噪声就是过亮和过暗的点,其像素值比周围的都要大或小,因此通过取中间值替换最值,进而能抹去椒盐噪声。
1.1 API-medianBlur
medianBlur中值模糊的函数原型,其参数如下:
void medianBlur(
InputArray src,
OutputArray dst,
int ksize );
参数含义如下:
(1)InputArray类型的src,输入图像。输入1、3或4通道图像;当ksize为3或5时,图像深度应为CV_8U、CV_16U或CV_32F,对于较大孔径,它只能是CV_8U。
(2)OutputArray类型的dst,即目标图像,与输入图像有相同的尺寸和类型。
(3)int类型的ksize,光圈线性大小;它必须是奇数且大于1,例如:3、5、7 …。
1.2 全部代码
#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src, dst;
src = imread("D:/images/sp_noise.png");
if (src.empty())
{
cout << "could not load image !";
return -1;
}
imshow("src", src);
//中值滤波
medianBlur(src, dst, 7);
imshow("medianBlur_src", dst);
waitKey(0);
return 0;
}
1.3效果展示
以下分别显示原图和3、5、7的卷积尺寸进行中值滤波操作后的图像。
1.4结论
显然,中值滤波很好地去除椒盐噪声,且卷积核越大,越模糊。
二、双边滤波
2.1 API-bilateralFilter
双边模糊的函数原型如下:
void bilateralFilter(
InputArray src,
OutputArray dst,
int d,
double sigmaColor,
double sigmaSpace,
int borderType = BORDER_DEFAULT );(1)InputArray类型的src,输入图像。该函数对通道是独立处理的,且可以处理任意通道数的图片,但需要注意,待处理的图片深度应该为CV_8U,> CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
(2)OutputArray类型的dst,即目标图像,与输入图像有相同的尺寸和类型。
(3)int类型的d,滤波过程中使用的每个像素邻域的直径。如果是非正的,则从sigmaSpace计算。
(4)double类型的sigmaColor ,颜色空间中过滤器sigma。参数值越大,意味着像素邻域(参见sigmaSpace)中的更多颜色将混合在一起,从而产生更大的半等色区域。
(5)double类型的sigmaSpace,在坐标空间中过滤器sigma。参数值越大,意味着更远的像素将相互影响,只要它们的颜色足够接近(参见sigmaColor)。当d大于0时,它指定邻域大小,而不考虑sigmaSpace。否则,d与sigmaSpace成比例。
(6)int类型的borderType,用于在图像外部外推像素的边框模式,具体请参见cv::BorderTypes。
2.2全部代码
#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src, dst;
src = imread("D:/images/lena.png");
if (!src.data)
{
cout << "could not load image !";
return -1;
}
imshow("src", src);
//双边滤波
bilateralFilter(src, dst, 15, 150, 3);
imshow("bilateralFilter_src", dst);
waitKey(0);
return 0;
}
2.3效果展示
三、均值滤波
3.1数学原理:
卷积核所有的系数都是1。
3.2 API-blur
函数原型的参数如下:
blur(Mat src, Mat dst, Size(xradius, yradius), Point(-1,-1));
例如:blur(src, dst, Size(3, 3), Point(-1, -1));
参数含义如下:
(1)src即输入图像。
(2)dst即目标图像,与输入图像有相同的尺寸和类型。
(3)Size(3,3)就表示3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度, h为像素高度)。
(4)Point(-1, -1)表示锚点(即被平滑的那个点),默认值Point(-1,-1),表示锚点即卷积核的中心。
3.3 全部代码
#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src, dst;
src = imread("D:/images/lena.png");
if (src.empty())
{
cout << "could not load image !";
return -1;
}
imshow("原图", src);
//均值滤波
blur(src, dst, Size(3, 3));//Size(3, 3)指的是默认元素全是1的3X3矩阵,Point(-1, -1)可以不写,默认就是.
imshow("均值滤波后", dst);
waitKey(0);
return 0;
}
}
3.4效果展示
四、高斯滤波
高斯是一个正态分布的曲线
特点是会保留原有图像中像素的
4.1 数学原理
A:归一化系数
4.2 API-GaussianBlur
GaussianBlur是高斯模糊的函数原型中,其参数如下:
GaussianBlur(Mat src, Mat dst, KSize( ), sigmax, sigmay);
例如:GaussianBlur(src, dst, Size(3, 3), 0, 0);
参数含义如下:
(1)src即输入图像。
(2)dst即目标图像,与输入图像有相同的尺寸和类型。
(3)Size(3,3)就表示窗口(卷积核)3x3的核大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度,
h为像素高度)。 Size(x, y), 其中x, y 必须是正数而且是奇数(4)0,表示高斯核函数在X方向的的标准偏差为0。
(5)0,表示高斯核函数在Y方向的的标准偏差为0。
4.3 全部代码
#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat src, dst;
src = imread("D:/images/gaoyy.png");
if (src.empty())
{
cout << "could not load image !";
return -1;
}
imshow("src", src);
//高斯滤波
GaussianBlur(src, dst, Size(3, 3), 0, 0);
imshow("高斯滤波后", dst);
waitKey(0);
return 0;
}