OpenCV中滤波器的操作

1.图像锐化操作（纯手动挡）

图像滤波分为空域滤波和频域滤波两个，这篇随笔主要针对空域滤波。

当然空域与频域之间是有一定关系的，比如均值滤波器，就是一种低通滤波，而像边缘检测，空域中一般使用的是拉普拉斯算子，其也是一种高通滤波。

大家都知道空域中的拉普拉斯算子是这样子的：

0	-1	0
-1	4	-1
0	-1	0

这个表示的是纵横两个方向的二阶导，将这个算子应在图像上可以得到图像的边缘痕迹，如果把边缘再叠加到图像上，则可以是边缘更加明显，这个操作叫做锐化处理，锐化处理的算子可以表示为：

0	-1	0
-1	5	-1
0	-1	0

之前我们知道使用指针来操作像素，格式为:

数据类型* 指针名称 = 矩阵名称.ptr<数据类型>(行数）；

使用算子时一般我们要同时处理3行以上，我们只需要同时建立这些指针即可。

在这个操作中，我们保存原来的图像，因此我们建立的指针类型为const，同时我们新加载一幅图像，建立普通指针来操作：

void sharpen(cv::Mat image,cv::Mat sharpen_image)
{
    int num_channels = image.channels();

    for (int r = 1; r < image.rows - 1; r++)
    {
        const uchar* last_r = image.ptr<const uchar>(r - 1);
        const uchar* curr_r = image.ptr<const uchar>(r);
        const uchar* next_r = image.ptr<const uchar>(r + 1);
        uchar* output = sharpen_image.ptr<uchar>(r);
        for (int c = num_channels; c < (image.cols - 1)*num_channels; c++)
        {
            output[c] =cv::saturate_cast<uchar> (5 * curr_r[c]-last_r[c] - curr_r[c - 1] - curr_r[c + 1] - next_r[c]) ;
        }
    }
    sharpen_image.row(0).setTo(cv::Scalar(0, 0, 0));
    sharpen_image.row(sharpen_image.rows-1).setTo(cv::Scalar(0, 0, 0));
    sharpen_image.col(0).setTo(cv::Scalar(0, 0, 0));
    sharpen_image.col(sharpen_image.cols - 1).setTo(cv::Scalar(0, 0, 0));
}

这里我使用了uchar型，好处是可以处理各种类型的图像，若是灰度图像，下面4行的cv::Scalar(0,0,0)需要变成cv::Scalar(0);若只处理RGB图像，也可以使用cv::Vec3b型:

void sharpenRGB(cv::Mat image, cv::Mat sharpen_image)
{
    int num_channels = image.channels();

    for (int r = 1; r < image.rows - 1; r++)
    {
        const cv::Vec3b* last_r = image.ptr<cv::Vec3b>(r - 1);
        const cv::Vec3b* curr_r = image.ptr<cv::Vec3b>(r);
        const cv::Vec3b* next_r = image.ptr<cv::Vec3b>(r + 1);
        cv::Vec3b* output = sharpen_image.ptr<cv::Vec3b>(r);
        for (int c = 1; c < image.cols - 1; c++)
        {
            for (int i = 0; i < 3;i++)
                output[c] = cv::saturate_cast<uchar> (5 * curr_r[c][i] - last_r[c][i] - curr_r[c - 1][i] - curr_r[c + 1][i] - next_r[c][i]);
        }
    }
    sharpen_image.row(0).setTo(cv::Scalar(0, 0, 0));
    sharpen_image.row(sharpen_image.rows - 1).setTo(cv::Scalar(0, 0, 0));
    sharpen_image.col(0).setTo(cv::Scalar(0, 0, 0));
    sharpen_image.col(sharpen_image.cols - 1).setTo(cv::Scalar(0, 0, 0));
}

图像处理结果如下：

颜色对比度鲜明er。

2.使用自带函数进行2D滤波器运算

当然这个程序是纯手动挡的，OpenCV提供给了我们一些县城的函数，让我们直接可以基于算子进行运算：
cv::filter2D(输入图像名称，输出图像名称，输入图像名称.depth()，kernel）；

kernel指代内核，即算子模型，其定义方法为：

cv::Mat kernel(3(尺寸)，3(尺寸)，CV_32F(浮点数），cv::Scalar(0)(所有元素初始化为0）；

kernel.at<float>(1,1)=5.0;

kernel.at<float>(0,1)=-1.0;

kernel.at<float>(1,0)=-1.0;

kernel.at<float>(2,1)=-1.0;

kernel.at<float>(1,2)=-1.0;

这样可以提高效率，并易于改变算子进行新的运算。

3.自带的滤波函数

3.1均值滤波器

均值滤波器在OpenCV中用blur(模糊）定义，函数为：

cv::blur(输入图片名称，输出图片名称，cv::Size(5(尺寸),5(尺寸)));

int _tmain(int argc, _TCHAR* argv[])
{
    cv::Mat image;
    cv::Mat result;
    image = cv::imread("D://OpenCV//yedanshu.jpg");
    cv::namedWindow("Original");
    cv::blur(image, result, cv::Size(5, 5));
    cv::namedWindow("Filtered");
    cv::imshow("Original", image);
    cv::imshow("Filtered", result);
    cv::waitKey(0);
    return 0;
}