《Learning OpenCV3》——第十章 滤波和卷积

最新推荐文章于 2022-01-31 10:14:08 发布
最新推荐文章于 2022-01-31 10:14:08 发布
阅读量1.3k 收藏 1
点赞数
分类专栏： Learning OpenCV3 Learning OpenCV3 文章标签： OpenCV3 滤波 卷积
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yibu_refresh/article/details/79307443
版权

第十章 滤波和卷积

一：介绍

滤波使用滤波核进行操作，使用卷积完成。当核的中心在边界时，外围无像素参与运算，因此滤波时往往涉及对边界的处理。首先，需要对原图像的边界进行填充，填充方式有多种；然后，对填充过的图像进行邻域操作、卷积等；之后，对处理过的图像进行裁剪，去掉多余的边界得到需要的图像。
边界填充可以使用：

void cv::copyMakeBorder(
  cv::InputArray    src,                       // Input image
  cv::OutputArray   dst,                       // Result image
  int               top,                       // Top side padding (pixels)
  int               bottom,                    // Bottom side padding (pixels)
  int               left,                      // Left side padding (pixels)
  int               right,                     // Right side padding (pixels)
  int               borderType,                // Pixel extrapolation method
  const cv::Scalar& value = cv::Scalar()       // Used for constant borders
);

borderType指定了填充方式，可选方式有：

Border typeEffect
cv::BORDER_CONSTANTExtend pixels by using a supplied (constant) value
cv::BORDER_WRAPExtend pixels by replicating from opposite side
cv::BORDER_REPLICATEExtend pixels by copying edge pixel
cv::BORDER_REFLECTExtend pixels by reflection
cv::BORDER_REFLECT_101Extend pixels by reflection, edge pixel is not “doubled”
cv::BORDER_DEFAULTAlias for cv::BORDER_REFLECT_101

这里写图片描述
此外，还可以计算原图像与扩展图像像素的对应关系，通过函数：

int cv::borderInterpolate(       // Returns coordinate of "donor" pixel
  int p,                         // 0-based coordinate of extrapolated pixel
  int len,                       // Length of array (on relevant axis)
  int borderType                 // Pixel extrapolation method
);

二：阈值处理

2.1 阈值

阈值处理可以将图像根据阈值进行二值化，实现函数为：

double cv::threshold(
  cv::InputArray    src,             // Input image
  cv::OutputArray   dst,             // Result image
  double            thresh,          // Threshold value
  double            maxValue,        // Max value for upward operations
  int               thresholdType    // Threshold type to use (Example 10-3)
);

thresholdType类型有：

Threshold typeOperation
cv::THRESH_BINARYDST1=(SRC1>thresh)?MAXVALUE:0
cv::THRESH_BINARY_INVDST1=(SRC1>thresh)?0:MAXVALUE
cv::THRESH_TRUNCDST1=(SRC1>thresh)?THRESH:SRC1
cv::THRESH_TOZERODST1=(SRC1>thresh)?SRC1:0
cv::THRESH_TOZERO_INVDST1=(SRC1>thresh)?0:SRC1

这里写图片描述
示例：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;

void sum_rgb( const cv::Mat& src, cv::Mat& dst ) 
{
  // Split image onto the color planes.
  //
  vector<cv::Mat> planes;
  cv::split(src, planes);
  cv::Mat b = planes[0], g = planes[1], r = planes[2];
  // Accumulate separate planes, combine and threshold.
  //
  cv::Mat s = cv::Mat::zeros(b.size(), CV_32F);
  cv::accumulate(b, s);
  cv::accumulate(g, s);
  cv::accumulate(r, s);
  // Truncate values above 100 and rescale into dst.
  //
  cv::threshold( s, s, 100, 100, cv::THRESH_TRUNC );
  s.convertTo(dst, b.type());
}

void help() 
{
    cout << "Call: ./ch10_ex10_1 faceScene.jpg" << endl;
    cout << "Shows use of alpha blending (addWeighted) and threshold" << endl;
}

int main(int argc, char** argv) 
{
    help();
    if(argc < 2) { cout << "specify input image" << endl; return -1; }
    // Load the image from the given file name.
    cv::Mat src = cv::imread( argv[1] ), dst;
    if( src.empty() ) { cout << "can not load " << argv[1] << endl; return -1; }
    sum_rgb( src, dst);
    // Create a named window with the name of the file and
    // show the image in the window
    cv::imshow( argv[1], dst );
    // Idle until the user hits any key.
    cv::waitKey(0);
    return 0;
}

2.2 最佳阈值

Otsu’s Algorithm实现最佳阈值的处理，需要给cv::threshold传递cv::THRESH_OTSU值作为阈值。

2.3 自适应阈值

void cv::adaptiveThreshold(
  cv::InputArray    src,                 // Input image
  cv::OutputArray   dst,                 // Result image
  double            maxValue,            // Max value for upward operations
  int               adaptiveMethod,      // mean or Gaussian
  int               thresholdType        // Threshold type to use (Example 10-3)
  int               blockSize,           // Block size
  double            C                    // Constant
);

自适应阈值处理具有更好的处理效果，可以自动调整计算阈值，考虑到例如光照之类的影响。

#include <iostream>
using namespace std;
int main( int argc, char** argv )
{
  if(argc != 7) { cout <<
   "Usage: " <<argv[0] <<" fixed_threshold invert(0=off|1=on) "
   "adaptive_type(0=mean|1=gaussian) block_size offset image\n"
   "Example: " <<argv[0] <<" 100 1 0 15 10 fruits.jpg\n"; return -1; }
  // Command line.
  //
  double fixed_threshold = (double)atof(argv[1]);
  int threshold_type  = atoi(argv[2]) ? cv::THRESH_BINARY : cv::THRESH_BINARY_INV;
  int adaptive_method = atoi(argv[3]) ? cv::ADAPTIVE_THRESH_MEAN_C
                                      : cv::ADAPTIVE_THRESH_GAUSSIAN_C;
  int block_size = atoi(argv[4]);
  double offset  = (double)atof(argv[5]);
  cv::Mat Igray  = cv::imread(argv[6], cv::LOAD_IMAGE_GRAYSCALE);
  // Read in gray image.
  //
if( Igray.empty() ){ cout << "Can not load " << argv[6] << endl; return -1; }
  // Declare the output images.
  //
  cv::Mat It, Iat;
  // Thresholds.
  //
  cv::threshold(
    Igray,
    It,
    fixed_threshold,
    255,
    threshold_type);
  cv::adaptiveThreshold(
    Igray,
    Iat,
    255,
    adaptive_method,
    threshold_type,
    block_size,
    offset
  );
  // Show the results.
  //
  cv::imshow("Raw",Igray);
  cv::imshow("Threshold",It);
  cv::imshow("Adaptive Threshold",Iat);
  cv::waitKey(0);
  return 0;
}

这里写图片描述

三：滤波

OpenCV3提供了五种滤波方式。

3.1 简单滤波（均值滤波）

void cv::blur(
  cv::InputArray  src,                            // Input image
  cv::OutputArray dst,                            // Result image
  cv::Size        ksize,                          // Kernel size
  cv::Point       anchor     = cv::Point(-1,-1),  // Location of anchor point
  int             borderType = cv::BORDER_DEFAULT // Border extrapolation to use
);

3.2 盒状滤波（加权均值滤波）

void cv::boxFilter(
  cv::InputArray  src,                            // Input image
  cv::OutputArray dst,                            // Result image
  int             ddepth,                         // Output depth (e.g., CV_8U)
  cv::Size        ksize,                          // Kernel size
  cv::Point       anchor     = cv::Point(-1,-1),  // Location of anchor point
  bool            normalize  = true,              // If true, divide by box area
  int             borderType = cv::BORDER_DEFAULT // Border extrapolation to use
);

3.3 中值滤波

void cv::medianBlur(
  cv::InputArray  src,                 // Input image
  cv::OutputArray dst,                 // Result image
  cv::Size        ksize                // Kernel size
);

3.4 高斯滤波

void cv::GaussianBlur(
  cv::InputArray  src,                     // Input image
  cv::OutputArray dst,                     // Result image
  cv::Size        ksize,                   // Kernel size
  double          sigmaX,                  // Gaussian half-width in x-direction
  double          sigmaY     = 0.0,        // Gaussian half-width in y-direction
  int             borderType = cv::BORDER_DEFAULT // Border extrapolation to use
);

3.5 双边滤波

void cv::bilateralFilter(
  cv::InputArray  src,             // Input image
  cv::OutputArray dst,             // Result image
  int             d,               // Pixel neighborhood size (max distance)
  double          sigmaColor,      // Width param for color weight function
  double          sigmaSpace,      // Width param for spatial weight function
  int             borderType = cv::BORDER_DEFAULT  // Border extrapolation to use
);

四：导数和梯度

4.1 Sobel导数

void cv::Sobel(
  cv::InputArray  src,                 // Input image
  cv::OutputArray dst,                 // Result image
  int             ddepth,              // Pixel depth of output (e.g., CV_8U)
  int             xorder,              // order of corresponding derivative in x
  int             yorder,              // order of corresponding derivative in y
  cv::Size        ksize      = 3,      // Kernel size
  double          scale      = 1,      // Scale (applied before assignment)
  double          delta      = 0,      // Offset (applied before assignment)
  int             borderType = cv::BORDER_DEFAULT  // Border extrapolation
);

这里写图片描述

4.2 Scharr滤波

Scharr滤波模版：
这里写图片描述

4.3 拉普拉斯

void cv::Laplacian(
  cv::InputArray  src,                 // Input image
  cv::OutputArray dst,                 // Result image
  int             ddepth,              // Depth of output image (e.g., CV_8U)
  cv::Size        ksize      = 3,      // Kernel size
  double          scale      = 1,      // Scale applied before assignment to dst
  double          delta      = 0,      // Offset applied before assignment to dst
  int             borderType = cv::BORDER_DEFAULT  // Border extrapolation to use
);

这里写图片描述
这里写图片描述

五：图像形态学

这里写图片描述

5.1 腐蚀和膨胀

void cv::erode(
  cv::InputArray    src,                              // Input image
  cv::OutputArray   dst,                              // Result image
  cv::InputArray    element,                          // Structuring, a cv::Mat()
  cv::Point         anchor      = cv::Point(-1,-1),   // Location of anchor point
  int               iterations  = 1,                  // Number of times to apply
  int               borderType  = cv::BORDER_CONSTANT // Border extrapolation
  const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);
void cv::dilate(
  cv::InputArray    src,               // Input image
  cv::OutputArray   dst,               // Result image
  cv::InputArray    element,                          // Structuring, a cv::Mat()
  cv::Point         anchor      = cv::Point(-1,-1),   // Location of anchor point
  int               iterations  = 1,                  // Number of times to apply
  int               borderType  = cv::BORDER_CONSTANT // Border extrapolation
  const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

这里写图片描述
这里写图片描述

5.2 通用形态学操作

通用形态学操作由cv::morphologyEx实现：

void cv::morphologyEx(
  cv::InputArray    src,                       // Input image
  cv::OutputArray   dst,                       // Result image
  int               op,                        // Operator (e.g. cv::MOP_OPEN)
  cv::InputArray    element,                   // Structuring element, cv::Mat()
  cv::Point         anchor      = cv::Point(-1,-1),  // Location of anchor point
  int               iterations  = 1,                 // Number of times to apply
  int               borderType  = cv::BORDER_DEFAULT // Border extrapolation
  const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

Operator可取操作：

Value of operationMorphological operatorRequires temp image?
cv::MOP_OPENOpeningNo
cv::MOP_CLOSEClosingNo
cv::MOP_GRADIENTMorphological gradientAlways
cv::MOP_TOPHATTop HatFor in-place only (src = dst)
cv::MOP_BLACKHATBlack HatFor in-place only (src = dst)

开操作和闭操作：
这里写图片描述
这里写图片描述
形态学梯度：

gradient(src) = dilate(src) – erode(src)

这里写图片描述
顶帽操作和底帽操作：

TopHat(src) = src – open(src) // Isolate brighter
BlackHat(src) = close(src) – src // Isolate dimmer

这里写图片描述
这里写图片描述

一步-refresh
关注
专栏目录
使用OpenCL+OpenCV实现图像卷积（三）
icamera0的博客
06-08 3091
基于VS2010，使用OpenCL+OpenCV实现图像旋转功能。
OpenCV学习之卷积滤波
Joey's Blog
08-04 440
//以不同核进行卷积滤波 #include "cv.h" #include "highgui.h" int main(int argc, char** argv) { IplImage* src = 0; IplImage* dst = 0; IplImage* dst2 = 0; /*float k[9] = {0, 1, 0,
《学习opencv3》第10章课后题
枪枪枪的博客
05-19 581
======================================================================= 这课后题吧，真的是不写不行，书看着很带劲儿，一到做练习题就熄火，这样怎么行！于是就写吧，不会就百度，不过更厉害的还是StackOverflow、Github，收获很多！ ===========================================...
Learning Opencv 3 —— 十章 图像形态学 Image Morphology
健康工作每一天
10-11 411
Opencv 图像形态学 Image Morphology 图像形态学包含诸多操作，不过都是基于两个基础操作——膨胀（Dilation）和腐蚀（Erosion）。 膨胀和腐蚀 膨胀就是使用一个核在给定的图像做卷积，而指定的像素值将被替换为核所覆盖的图像像素的最大值。膨胀的作用就是填充图像中的空隙，扩大图像中的明亮区域。 而腐蚀就是相反的操作，用局部最小值来替代指定的像素值。同理，腐蚀的作用...
在OpenCV中利用卷积进行图像滤波
TSINGHUAJOKING
01-31 1579
简 介： 本文首先讨论了卷积核的概念，以及如何用于对图像进行滤波。然后通过他们对图像进行数学运算来实现特定的效果，比如平和和锐化。展示了如何在OpenCV中实现2D滤波。 在等同卷积卷积核之后，我们创建了更多定制的核，用在OpenCV中的 filter2D()函数中。 介绍了OpenCV中的重要内置函数MediaBlur()，GaussianBlur()。 最后展示了 OpenCV中的 bilateralFilter()函数，是如何在保留图片中清晰边缘的同时又平滑了图像。 关键词： 中值滤波，平滑滤波，..
Learning OpenCV 3
08-14
《Learning OpenCV 3》是2018年出版的英文版...总之，《Learning OpenCV 3》是全面学习和掌握OpenCV 3的宝贵资源，无论你是想要入门计算机视觉，还是在现有项目中深化OpenCV的应用，这本书都将是你不可或缺的参考工具。
Learning OpenCV 3 pdf
最新发布
03-27
OpenCV 3引入了更先进的深度学习模块，包括卷积神经网络（CNN），使得图像分类和对象检测能力得到了显著提升。这部分内容对于那些希望利用OpenCV进行图像识别和智能分析的开发者来说至关重要。 此外，《Learning ...
《学习OpenCV3》第10章 滤波与卷积
MechMaster
11-30 2967
1. 预备知识 2. 阈值化操作 3. 平滑 4. 导数和梯度 5. 图像形态学 6. 用任意线性滤波器做卷积
Learning-OpenCV-3-Computer-Vision-with-Python 书本PDF以及代码
06-06
《Learning OpenCV 3 - Computer Vision with Python》是一本深入浅出介绍计算机视觉技术的书籍，结合Python语言，为读者提供了丰富的实践案例和详细的理论解释。这本书旨在帮助开发者和爱好者掌握OpenCV库在图像...
【OpenCV】学习OpenCV3——滤波与卷积（2）
qq_36926037的博客
08-02 680
文章目录一、导数和梯度1.1 索贝尔算子cv2.Sobel()1.2 Scharr算子cv2.Scharr()1.2 拉普拉斯算子cv2.Laplacian()二、图像形态学2.1 腐蚀和膨胀2.1.1 腐蚀cv.erode()2.1.2 膨胀cv2.dilate()2.2 通用形态学函数cv2.morphologyEx（）2.2.1 开操作cv2.MORPH_OPEN2.2.2 闭开操作cv2.MORPH_CLOSE2.2.3 形态学梯度cv2.MORPH_GRADIENT2.2.3 顶帽（cv2.MOR
OpenCV基础（8）OpenCV中的卷积图像滤波
weixin_43229348的博客
09-24 883
你有没有试过在Photoshop或移动应用程序的帮助下模糊或锐化图像?如果是，那么您已经使用过卷积核。在这里，我们将解释如何在OpenCV中使用卷积进行图像滤波。 您将使用2d卷积核和OpenCV计算机视觉库应用不同的模糊和锐化技术的图像。我们将向您展示如何在Python和c++中实现这些技术。 我们将使用下面的图像为我们所有的编码操作。 让我们先看一看将用于过滤图像的代码。我们将详细讨论每一行代码，以便您完全理解它。 1.滤波代码 （1）Python import cv2 import numpy as
OpenCV学习——图像卷积滤波
gnuhpc的专栏
06-21 2813
本文已搬家至 【OpenCV学习】图像卷积滤波
图像卷积（OpenCV笔记）
小腿跑乱刀的博客
04-11 731
图像卷积的过程===&gt;https://blog.csdn.net/qq_36503007/article/details/79875033filter2D()函数filter2D()是OpenCV中用于图像做卷积运算的函数声明：void cv::filter2D( InputArray src, OutputArray dst, int ddepth,                    ...
opencv基础操作及图像的卷积与滤波
MurphySL的博客
11-27 1277
opencv基础操作及图像的卷积与滤波opencv基础操作 namedWindow(const String& winname, int flags = WINDOW_AUTOSIZE) 创建一个指定名称的窗口 imread(const cv::String &filename ,int flags = IMREAD_COLO) 读取图像返回Mat imshow(const String& wi
opencv自定义卷积核
caojinpei123的博客
11-04 3319
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" using namespace cv; Mat get_blur_kernel(int kernel_size);//获得归一化滤波的卷积核 int main(int argc, char ** argv) { Mat src,...
Learning OpenCV3 Computer Vision in C++ with the OpenCV Library.rar
06-25
在深度学习和机器学习方面，OpenCV3支持神经网络模型，如CNN（卷积神经网络）。书中会讲解如何使用OpenCV来加载预训练模型，如AlexNet、VGG或GoogleNet，进行图像分类和物体检测。同时，也会讨论如何在OpenCV中构建...
【OpenCV】学习OpenCV3——滤波与卷积（1）
qq_36926037的博客
08-02 610
文章目录一、边界填充1.1 为什么要边界填充1.2 边界填充cv2.copyMakeBorder（）1.3 边界填充cv2.borderInterpolate（）二、阈值化2.1 固定阈值cv2.threshold()2.2 自适应阈值cv2.adaptiveThreshold()二、平滑2.1 简单模糊cv.blur() 一、边界填充 1.1 为什么要边界填充   使用opencv进行图像处理，常常会面临对边界的处理问题，例opencv中常用的滤波操作cv.blur、cv.erode、cv.dilate等
[学习opencv3] 阅读第十章
枪枪枪的博客
05-16 463
文章目录滤波与卷积自适应阈值平滑简单模糊和方框型滤波器中值滤波器（Median Filter）高斯滤波器（Gaussian Filter）双边滤波器（Bilateral Filter）导数和梯度索贝尔（Sobel）导数Scharr滤波器拉普拉斯变换图像形态学膨胀和腐蚀 滤波与卷积 自适应阈值 cv::adaptiveThreshold() 当图像中出现较大的明暗差异时，自适应阈值是非常有效的。这个...
opencv图像处理-卷积
IT修道者的专栏
11-10 4722
卷积操作是图像变换中很多变换的基础
OpenCV入门（十三）-- 卷积
thystar的专栏
10-26 1530
卷积： 一个特殊卷积所实现
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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