OpenCV之中值滤波:medianBlur()函数(C++实现)

69 篇文章 14 订阅
53 篇文章 15 订阅
本文介绍了OpenCV中的medianBlur函数,用于对图像进行中值滤波平滑处理。该函数适用于多通道图像,对每个通道单独操作,支持不同深度的图像,但大孔径尺寸仅支持CV_8U。代码示例展示了如何读取图像,应用中值滤波并保存处理后的图像。
摘要由CSDN通过智能技术生成

medianBlur函数使用中值滤波来平滑(模糊)处理一张图像。对于多通道图像,它对每个通道单独处理。

函数原型:

void medianBlur(InputArray src, OutputArray dst, int kszie);

参数详解;

  • 第一个参数:InputArray类型的src,输入图像,Mat类的对象。该函数对通道是独立处理的,且可以处理1、3或4得到的Mat图像,但是待处理的图像深度应该是CV_8U,CV_16U,CV_32F,但是对于较大孔径尺寸的图像,只能是CV_8U。
  • 第二个参数:OutputArray类型的dst,目标图像,需要和输入图像有相同的尺寸和类型。
  • 第三个参数:int类型ksize,孔径的线型尺寸,必须是大于1的奇数。

代码:

int main() {
    Mat srcImage = imread("/Users/dwz/Desktop/cpp/1.jpg");
    Mat dstImage;
    medianBlur(srcImage, dstImage, 5);

    imwrite("mediablured.jpg", dstImage);
    return 0;
}

输入图像;

输出:

 

以下是使用OpenCV C++实现频域滤波去除噪声的示例代码。首先,我们将读取一张图像并添加高斯噪声。然后,我们将对图像进行频域滤波以去除噪声。 ```c++ #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main() { // 读取图像 Mat image = imread("image.jpg", IMREAD_GRAYSCALE); // 添加高斯噪声 Mat noise; randn(noise, 0, 50); Mat noisy_image = image + noise; // 显示原始图像和加噪声后的图像 imshow("Original Image", image); imshow("Noisy Image", noisy_image); // 计算傅里叶变换 Mat complex_image; Mat padded_image; int m = getOptimalDFTSize(noisy_image.rows); int n = getOptimalDFTSize(noisy_image.cols); copyMakeBorder(noisy_image, padded_image, 0, m - noisy_image.rows, 0, n - noisy_image.cols, BORDER_CONSTANT, Scalar::all(0)); Mat planes[] = { Mat_<float>(padded_image), Mat::zeros(padded_image.size(), CV_32F) }; merge(planes, 2, complex_image); dft(complex_image, complex_image); // 创建低通滤波器 Mat low_pass_filter = Mat::zeros(complex_image.size(), CV_32F); circle(low_pass_filter, Point(low_pass_filter.cols / 2, low_pass_filter.rows / 2), 50, Scalar(1), -1); // 应用低通滤波器 Mat filtered_image; mulSpectrums(complex_image, low_pass_filter, complex_image, 0); idft(complex_image, filtered_image, DFT_SCALE | DFT_REAL_OUTPUT); // 显示过滤后的图像 imshow("Filtered Image", filtered_image); waitKey(0); return 0; } ``` 在上面的代码中,我们首先读取图像并添加高斯噪声。然后,我们使用OpenCV的DFT函数计算图像的傅里叶变换,并创建一个低通滤波器。通过使用mulSpectrums函数将图像的傅里叶变换和滤波器相乘,我们可以将高频噪声过滤掉。最后,我们使用IDFT函数计算过滤后的图像。 在运行上面的代码后,您应该能够看到原始图像、加噪声的图像和过滤后的图像。过滤后的图像中的噪声应该比加噪声的图像中的噪声要少。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值