描述图像的两种观点
1、频域:观察图像中(灰度)变化的频率
2、空间域:观察图像灰度分布
频域
低频区域:图像(灰度)变化缓慢的区域(例如纯色区域)
高频区域:图像(灰度)变化剧烈的区域
图片的频率变化包括
水平变化(沿X方向上的变化)和
垂直变化
高通/低通滤波
低通滤波:除去高频成分
高通滤波:除去低频成分
箱式滤波器blur
cv::blur也叫均值滤波器,作用是将每个像素替换成其相邻矩形内像素的平均值,是一个典型的
低通滤波器。
以一个3*3的箱式滤波器为例作用方式如下:
右边的矩阵被称为核(或者掩码)。
这种作用方式就是卷积过程。
高斯滤波器GaussianBlur
cv::GaussianBlur是在cv::blur基础上的改进,该算法作用是将每个像素替换成其相邻矩形内像素的加权平均值,使得离得近的像素拥有更大的权重,而这个加权规则是基于高斯函数的。
高斯函数:即钟形曲线函数。
,西格玛 数值决定了高斯函数的高度,归化系数A使得权重之和始终为1(即积分为1)。
低通滤波应用
图片放大缩小时,需要用到低通滤波。在图片缩小时,为了避免图片边缘出现楼梯状,需要先对原图进行低通滤波,然后隔行、列去除像素。
线性滤波和非线性滤波
诸如箱形滤波和高斯滤波这类 将逐个像素替换成相邻像素的加权总和(通过固定的核矩阵实现) 的滤波器被称为
线性滤波。
另外有些滤波器,也是通过对像素点相邻像素进行计算得出某个像素点值,但是没有固定的核矩阵,这样的滤波器被称为
非线性滤波器。
中值滤波器
cv::mediaBlur是典型的
非线性滤波器,同时也是低通滤波器,它计算像素点周围区域像素的中值(注意,不是均值,而是中位数),并将这个中值作为像素点的值。中值滤波对椒盐噪声十分有效,因为椒盐噪声点不可能作为中值出现,所以必定会被某个临近像素替换掉,而均值滤波则受到椒盐噪声影响较大。
中值滤波优点:对椒盐噪声十分有效,可保持边缘锐利度
中值滤波缺点:对纹理破坏较大。