【 imgproc 模块. 图像处理】图像平滑处理

一、图像平滑

在本教程中，图像平滑处理主要有归一化块滤波器（Normalized Box Filter）、高斯滤波器（Gaussian Filter）、中值滤波器（Median Filter）、双边滤波器(Bilatera Filter)。

二、归一化快滤波器（Normalized Box Filter）

最简单的滤波器，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)

核如下:

$K = \dfrac{1}{K_{width} \cdot K_{height}} \begin{bmatrix} 1 & 1 & 1 & ... & 1 \\ 1 & 1 & 1 & ... & 1 \\ . & . & . & ... & 1 \\ . & . & . & ... & 1 \\ 1 & 1 & 1 & ... & 1 \end{bmatrix}$

 void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )

. InputArray src: 输入图像，可以是Mat类型，图像深度是CV_8U、CV_16U、CV_16S、CV_32F以及CV_64F其中的某一个。

. OutputArray dst: 输出图像，深度和类型与输入图像一致

　　 . Size ksize: 滤波模板kernel的尺寸，一般使用Size(w, h)来指定，如Size(3,3)

　　 . Point anchor=Point(-1, -1): 字面意思是锚点，也就是处理的像素位于kernel的什么位置，默认值为(-1, -1)即位于kernel中心点，如果没有特殊需要则不需要更改

　　. int borderType=BORDER_DEFAULT: 用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT

三、高斯滤波器（Gaussian Filter）

最有用的滤波器 (尽管不是最快的)。高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积将卷积和当作输出像素值。

1维高斯函数：

../../../../_images/Smoothing_Tutorial_theory_gaussian_0.jpg

假设图像是1维的,那么观察上图，不难发现中间像素的加权系数是最大的，周边像素的加权系数随着它们远离中间像素的距离增大而逐渐减小。

2维高斯函数可以表达为 :

$G_{0}(x, y) = A e^{ \dfrac{ -(x - \mu_{x})^{2} }{ 2\sigma^{2}_{x} } + \dfrac{ -(y - \mu_{y})^{2} }{ 2\sigma^{2}_{y} } }$

其中 $\mu$ 为均值 (峰值对应位置)， $\sigma$ 代表标准差 (变量 $x$ 和变量 $y$ 各有一个均值，也各有一个标准差)

API：

void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
                                double sigmaX, double sigmaY = 0,
                                int borderType = BORDER_DEFAULT );

四、中值滤波器（Median Filter）

实现：中值滤波将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的中值代替。

API：

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

五、双边滤波器

目前我们了解的滤波器都是为了平滑图像，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 ), 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。

详细的解释可以查看链接

API：

void bilateralFilter( InputArray src, OutputArray dst, int d,
                                   double sigmaColor, double sigmaSpace,
                                   int borderType = BORDER_DEFAULT );

六、opencv例程

#include "stdafx.h"

/**
* file Smoothing.cpp
* brief Sample code for simple filters
* author OpenCV team
*/

#include <iostream>
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

using namespace std;
using namespace cv;

/// Global Variables  全局变量
int DELAY_CAPTION = 1500;//窗口延时，各个平滑模式切换的时间间隔
int DELAY_BLUR = 100;//同一个滤波模式下 改变核大小时的时间间隔
int MAX_KERNEL_LENGTH = 31;//核大小不超过31   正奇数

Mat src; Mat dst;
char window_name[] = "Smoothing Demo";

/// Function headers
int display_caption(const char* caption);
int display_dst(int delay);


/**
* function main
*/
int main(int argc, char ** argv)
{
    namedWindow(window_name, WINDOW_AUTOSIZE); 

    /// Load the source image
    const char* filename = argc >= 2 ? argv[1] : "lena512color.tiff";
    /*argc,argv 用命令行编译程序时有用。
主函数main中变量(int argc,char *argv[ ])的含义
有些编译器允许将main()的返回类型声明为void，这已不再是合法的C++
main(int argc, char *argv[ ], char **env)才是UNIX和Linux中的标准写法。
argc: 整数,用来统计你运行程序时送给main函数的命令行参数的个数
* argv[ ]: 指针数组，用来存放指向你的字符串参数的指针，每一个元素指向一个参数
argv[0] 指向程序运行的全路径名
argv[1] 指向在DOS命令行中执行程序名后的第一个字符串
argv[2] 指向执行程序名后的第二个字符串
...
argv[argc]为NULL。*/

    src = imread(filename, IMREAD_COLOR);
    if (src.empty())
    {
        /* if(img.empty())return -1; //是否加载成功
           if(!img.data)return -1;   //判断是否有数据*/
        printf(" Error opening image\n");
        return -1;
    }

    if (display_caption("Original Image") != 0)
    {
        return 0;
    }

    dst = src.clone();
    /*clone 跟copyto的区别
     roi=src.clone();    //1
     src.copyTo(roi);    //2
语句1：不管roi在之前有没有分配内存，clone都会为其分配新内存。如果roi指向某图像img的某个rect，此语句并不能实现对img(rect)的操作，clone分配新内存后，roi不再指向img(rect).
语句2：如果roi在之前未分配内存，copyTo会为其分配新内存，若roi已分配内存，copyTo不再为其分配。
     结束：copyTo才是实现图像roi操作的途径啊。。。
*/
    if (display_dst(DELAY_CAPTION) != 0)
    {
        return 0;
    }

    /// Applying Homogeneous blur
    if (display_caption("Homogeneous Blur") != 0)
    {
        return 0;
    }

    //![blur]
    for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2)
    {
        blur(src, dst, Size(i, i), Point(-1, -1));
        /*参数：

src：原图像。dst：目标图像。ksize:定义滤波器的大小。如Size(3,3)。
anchor:指定锚点位置(被平滑点)， 如果是负值，取核的中心为锚点。可省略
borderType:推断边缘像素，一般取默认值BORDER_DEFAULT。可省略
例：
blur(src,dst,Size(3,3));*/
        if (display_dst(DELAY_BLUR) != 0)
        {
            return 0;
        }
    }
    //![blur]

    /// Applying Gaussian blur
    if (display_caption("Gaussian Blur") != 0)
    {
        return 0;
    }

    //![gaussianblur]
    /*参数：
    OpenCV2函数 GaussianBlur 执行高斯平滑，高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积,将卷积和当作输出像素值。
    void GaussianBlur( const Mat& src, Mat& dst, Size ksize,double sigmaX, double sigmaY=0,int borderType=BORDER_DEFAULT );
    参数：
    sigmaX:x方向的标准方差。可设置为0让系统自动计算。
    sigmaY:y方向的标准方差。可设置为0让系统自动计算。
    例：
    GaussianBlur(src,dst,Size(9,9),0,0);*/
    for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2)
    {
        GaussianBlur(src, dst, Size(i, i), 0, 0);
        if (display_dst(DELAY_BLUR) != 0)
        {
            return 0;
        }
    }
    //![gaussianblur]

    /// Applying Median blur
    if (display_caption("Median Blur") != 0)
    {
        return 0;
    }

    //![medianblur]
    /*OpenCV2函数 medianBlur 执行中值滤波操作,中值滤波将图像的每个像素用邻域 
    (以当前像素为中心的正方形区域)像素的 中值 代替 。*/
    for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2)
    {
        medianBlur(src, dst, i);
        if (display_dst(DELAY_BLUR) != 0)
        {
            return 0;
        }
    }
    //![medianblur]

    /// Applying Bilateral Filter
    if (display_caption("Bilateral Blur") != 0)
    {
        return 0;
    }

    //![bilateralfilter]
    /*OpenCV2函数 bilateralFilter 执行双边滤波操作,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。
void bilateralFilter( const Mat& src, Mat& dst, int d,double sigmaColor, double sigmaSpace,int borderType=BORDER_DEFAULT );
参数：
d:像素的邻域直径。
sigmaColor:颜色空间的标准方差.
sigmaSpace:坐标空间的标准方差(像素单位).
例：
bilateralFilter ( src, dst, i, i*2, i/2 );*/
    for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2)
    {
        bilateralFilter(src, dst, i, i * 2, i / 2);
        if (display_dst(DELAY_BLUR) != 0)
        {
            return 0;
        }
    }
    //![bilateralfilter]

    /// Done
    display_caption("Done!");

    return 0;
}

/**
* @function display_caption
*/
int display_caption(const char* caption)
{
    dst = Mat::zeros(src.size(), src.type());
    putText(dst, caption,
        Point(src.cols / 4, src.rows / 2),
        FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255));
/*第一个参数是：需要写字的原图像，
第二个：需要写的内容，string类型的；
第三个：需要写的内容的左下角的坐标
第五个：字体大小
第六个：颜色
第七个：字体的厚度
第八个：默认8*/

    return display_dst(DELAY_CAPTION);
}

/**
* @function display_dst
*/
int display_dst(int delay)
{
    imshow(window_name, dst);
    int c = waitKey(delay);
    if (c >= 0) { return -1; }
    return 0;
}

归ww一化块滤波器 (Normalized Box Filter)

posted @ 2018-12-05 14:12 鸡鸣昧旦阅读(545) 评论(0) 编辑收藏举报

刷新页面返回顶部

鸡鸣昧旦

【 imgproc 模块. 图像处理】图像平滑处理

归ww一化块滤波器 (Normalized Box Filter)

公告