OpenCV 2.4+ C++ 平滑处理
2015-07-29 21:58
513 查看
OpenCV 2.4+ C++ 平滑处理
2012-11-21 15:45 by Justany_WhiteSnow, 6578 阅读,2 评论,
收藏,
编辑
原理
平滑也称模糊, 是一项简单且使用频率很高的图像处理方法。
平滑处理时需要用到一个滤波器。 最常用的滤波器是线性滤波器,线性滤波处理的输出像素值(例如:
)是输入像素值(例如:
)的加权平均:
称为核, 它仅仅是一个加权系数。
均值平滑
下面是一个使用blur函数的均值平滑:
#include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <stdio.h> using namespace cv; int main( int argc, char** argv ){ Mat image; image = imread( argv[1]); if( argc != 2 || !image.data ){ printf("没有图片\n"); return -1; } namedWindow( "平滑处理-输入" ); namedWindow( "平滑处理-输出" ); imshow( "平滑处理-输入", image ); Mat out; blur( image, out, Size(3, 3)); imshow( "平滑处理-输出", out ); waitKey( 0 ); }
blur函数API资料:
使用归一化块滤波器进行模糊图片操作。
C++: void blur(InputArray
src, OutputArray dst, Size ksize, Point
anchor=Point(-1,-1), int borderType=BORDER_DEFAULT
)
参数 | src – 输入图片,可以使是任意通道数,该函数对通道是独立处理的,但是深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F。 dst – 输出图片,和输入图片相同大小和深度。 ksize – 模糊内核大小。 anchor – 锚点,默认值是(-1,-1),也就是锚点在内核的中心。 borderType – 用于判断图像边界的模式。 |
---|
调用blur(src,
dst, ksize, anchor,
borderType)相当于调用boxFilter(src,
dst, src.type(),
anchor, true, borderType)。
blur使用的是归一化块滤波器,输出像素值是核窗口内像素值的均值( 所有像素加权系数相等)。
高斯平滑
下面代码使用了GaussianBlur来实现平滑:
#include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <stdio.h> using namespace std; using namespace cv; int main( int argc, char** argv ){ Mat image; image = imread( argv[1]); if( argc != 2 || !image.data ){ printf("没有图片\n"); return -1; } namedWindow( "平滑处理-输入" ); namedWindow( "平滑处理-输出" ); imshow( "平滑处理-输入", image ); Mat out; GaussianBlur( image, out, Size( 3, 3 ), 0, 0 ); imshow( "平滑处理-输出", out ); waitKey( 0 ); }
GaussianBlur函数API资料:
使用高斯滤波器进行模糊操作
C++: void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0,
int borderType=BORDER_DEFAULT)
参数 | src – 输入图片,可以使是任意通道数,该函数对通道是独立处理的,但是深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F. dst – 输出图片,和输入图片相同大小和深度。 ksize – 高斯内核大小。ksize.width和ksize.height允许不相同但他们必须是正奇数。或者等于0,由参数sigma的乘机决定。 sigmaX – 高斯内核在X方向的标准偏差。 sigmaY – 高斯内核在Y方向的标准偏差。如果sigmaY为0,他将和sigmaX的值相同,如果他们都为0,那么他们由ksize.width和ksize.height计算得出。 borderType – 用于判断图像边界的模式。 |
---|
参考一维高斯函数,我们可以看见,他是个中间大两边小的函数。
所以高斯滤波器其加权数是中间大,四周小的。
其二维高斯函数为:
其中
为均值 (峰值对应位置),
代表标准差
(变量
和 变量
各有一个均值,也各有一个标准差)。
中值平滑
使用medianBlur执行中值平滑:
#include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <stdio.h> using namespace std; using namespace cv; int main( int argc, char** argv ){ Mat image; image = imread( argv[1]); if( argc != 2 || !image.data ){ printf("没有图片\n"); return -1; } namedWindow( "平滑处理-输入" ); namedWindow( "平滑处理-输出" ); imshow( "平滑处理-输入", image ); Mat out; medianBlur( image, out, 3); imshow( "平滑处理-输出", out ); waitKey( 0 ); }
medianBlur函数API资料:
使用中值滤波器进行模糊操作
C++: void medianBlur(InputArray src, OutputArray dst, int ksize)
Parameters: | src – 支持1、3、4通道图片输入,当ksize为3或者5时,图片的深度只能是CV_8U,,CV_16U,或者 CV_32F,对于其他大孔径尺寸只支持深度为CV_8U。 dst – 输出图片,和输入图片相同大小和深度。 ksize – 线性直径大小,只能是一个大于1的奇数,例如:3, 5, 7 ... |
---|
双边平滑
使用bilateralFilter执行双边平滑:
#include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <stdio.h> using namespace std; using namespace cv; int main( int argc, char** argv ){ Mat image; image = imread( argv[1]); if( argc != 2 || !image.data ){ printf("没有图片\n"); return -1; } namedWindow( "平滑处理-输入" ); namedWindow( "平滑处理-输出" ); imshow( "平滑处理-输入", image ); Mat out; bilateralFilter ( image, out, 3, 3*2, 3/2 ); imshow( "平滑处理-输出", out ); waitKey( 0 ); }
bilateralFilter的API资料:
对一个图片应用双边滤波器。
C++: void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace,
intborderType=BORDER_DEFAULT )
Parameters: | src – 源必须是8位或者浮点数,1或者3通道图片。 dst – 输出图片,和输入图片相同大小和深度。 d – 在滤波过程中使用的各像素邻域直径,如果这是一个非整数,则这个值由sigmaSpace决定。 sigmaColor – 颜色空间的标准方差。数值越大,意味着越远的的颜色会被混进邻域内,从而使更大的颜色段获得相同的颜色。 sigmaSpace – 坐标空间的标注方差。 数值越大,以为着越远的像素会相互影响,从而使更大的区域足够相似的颜色获取相同的颜色。当d>0,d指定了邻域大小且与sigmaSpace无关。否则,d正比于sigmaSpace。 |
---|
http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html
目前我们了解的滤波器都是为了平滑图像, 问题是有些时候这些滤波器不仅仅削弱了噪声, 连带着把边缘也给磨掉了。 为避免这样的情形 (至少在一定程度上 ), 我们可以使用双边滤波。
类似于高斯滤波器,双边滤波器也给每一个邻域像素分配一个加权系数。 这些加权系数包含两个部分, 第一部分加权方式与高斯滤波一样,第二部分的权重则取决于该邻域像素与当前像素的灰度差值。
被山寨的原文
Smoothing Images . OpenCV.org
Image Filtering API . OpenCV.org
相关文章推荐
- C/C++ 类和结构体的差别
- 指针和引用的区别(More Effective c++ )
- 一些C/C++开源项目网址
- C语言字符串截取函数strtok和strtok_r
- C++的引用类型的变量到底占不占用内存空间?
- C++的引用类型的变量到底占不占用内存空间?
- LeetCode-Reverse Linked List
- 轨道机动算法的C++实现
- C语言——文件分类
- c++ primer exercises section 4.1
- c++ 封装 继承 多态
- 腾讯面试题总结,似乎是面试C++方向的(小巫总结)
- C语言——如何判断两个IP在同一网段
- 关于C++中公有继承、私有继承、保护继承的讨论
- Overload和Override的区别 C++ Java
- c语言中冒泡排序、插入排序、选择排序算法比较
- C++开源代码项目
- 选课小系统
- VS2008 C++创建DLL
- VS2008 C# 调用C++DLL