//filting image using low_pass filter
blur(image,result_image,Size(5,5));
imshow("Low_pass_filter",result_image);
这个是最常用的低通滤波
GaussianBlur(img2,result_image2,Size(5,5),1.5);
imshow("Gaussian_filter",result_image2);
这个是高斯滤波,也比较常用
pyrDown(image,reducedImage);
imshow("Redecu_image",reducedImage);
Reduce image size by half
pyrUp(reducedImage,upImage);
imshow("Up_image",upImage);
我们发现reduce后的图片然后up回来之后变的模糊了
resize(image,result_image,Size(image.cols/3,image.rows/3));
imshow("Resize_down_image",result_image);
resize(result_image,img1,Size(result_image.cols*3,result_image.rows*3));
imshow("Resize_up_image",img1);
当然我们也可以使用resize来改变图片的大小,变小了之后改回来的时候也是变的模糊了
above all,they are all linear filters
filtering images using a median filter
Mat image = imread("D:\\images\\dog.jpg");
imshow("Original_image",image);
Mat img;
image.copyTo(img);
salt(img,300);
imshow("Salt_image",img);
Mat result_image;
medianBlur(image,result_image,5);
imshow("MedianImage",result_image);
这种方法有个好处就是能够做到把图像的噪声点抹平,但是随之而来的就是图像变的模糊了
//compute norm of sobel
Sobel(image,sobelX,CV_16S,1,0);
Sobel(image,sobelY,CV_16S,0,1);
Mat sobel;
//compute the L1 norm
sobel = abs(sobelX)+abs(sobelY);
//find sobel max value
double sobmin,sobmax;
minMaxLoc(sobel,&sobmin,&sobmax);
//conversion to 8-bit image
//sobelImage = -alpha*sobel +255;
Mat sobelImage;
sobel.convertTo(sobelImage,CV_8U,-255./sobmax,255);
imshow("Sobel_image",sobelImage);
以下的内容来自http://blog.csdn.net/xiaowei_cqu/article/details/7829481
边缘
边缘(edge)是指图像局部强度变化最显著的部分。主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分割、纹理特征和形状特征等图像分析的重要基础。
图像强度的显著变化可分为:
- 阶跃变化函数,即图像强度在不连续处的两边的像素灰度值有着显著的差异;
- 线条(屋顶)变化函数,即图像强度突然从一个值变化到另一个值,保持一较小行程后又回到原来的值。
图像的边缘有方向和幅度两个属性,沿边缘方向像素变化平缓,垂直于边缘方向像素变化剧烈.边缘上的这种变化可以用微分算子检测出来,通常用一阶或二阶导数来检测边缘。
(a)(b)分别是阶跃函数和屋顶函数的二维图像;(c)(d)是阶跃和屋顶函数的函数图象;(e)(f)对应一阶倒数;(g)(h)是二阶倒数。
一阶导数法:梯度算子
对于左图,左侧的边是正的(由暗到亮),右侧的边是负的(由亮到暗)。对于右图,结论相反。常数部分为零。用来检测边是否存在。
梯度算子 Gradient operators
函数f(x,y)在(x,y)处的梯度为一个向量:
计算这个向量的大小为:
近似为:
梯度的方向角为:
Sobel算子
sobel算子的表示:
梯度幅值:
用卷积模板来实现: