Smooth
各种方法的图像平滑
void cvSmooth( const CvArr* src, CvArr* dst, int smoothtype=CV_GAUSSIAN, int param1=3, int param2=0, double param3=0 );
-
src
- 输入图像. dst
- 输出图像. smoothtype
-
平滑方法:
- CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素领域
param1
×param2
求和。如果邻域大小是变化的,可以事先利用函数 cvIntegral 计算积分图像。 - CV_BLUR (simple blur) - 对每个象素邻域
param1
×param2
求和并做尺度变换 1/(param1
•param2
). - CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为
param1
×param2
的高斯卷积 - CV_MEDIAN (median blur) - 发现邻域
param1
×param1
的中值 (i.e. 邻域是方的). - CV_BILATERAL (双滤波) - 应用双向 3x3 滤波,彩色 sigma=
param1
,空间 sigma=param2
. 关于双向滤波,可参考http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html
param1
- CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素领域
- 平滑操作的第一个参数. param2
-
平滑操作的第二个参数.
param2
为零对应简单的尺度变换和高斯模糊。
param3
-
对应高斯参数的 Gaussian sigma (标准差). 如果为零,这由下面的核尺寸计算:
sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核, n=param2 对应垂直核.
对小的卷积核 (3×3 to 7×7) 使用标准 sigma 速度会快。如果param3
不为零,而param1
和param2
为零,则核大小有 sigma 计算 (以保证足够精确的操作).
函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。
没有缩放的图像平滑仅支持单通道图像,并且支持8位、16位、32位和32位浮点格式。
简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以(in-place)方式处理图像。
中值和双向滤波工作于 1- 或 3-通道, 8-位图像,但是不能以 in-place 方式处理图像.