线性滤波+非线性滤波

66 阅读 0 评论 44 点赞

我是靠谱客的博主单薄小兔子，最近开发中收集的这篇文章主要介绍线性滤波+非线性滤波，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

方框滤波

函数原型

void boxFilter(InputArray src, OutputArray dst, int ddepth,
Size ksize, Point anchor = Point(-1,-1), boolnormalize = true, int borderType = BORDER_DEFAULT)

第一个参数，inputArray类型的src源图像，输入图像Mat类。图片深度CV_8U、CV_16U、CV_16S、CV_32F、CV_64F
第二个参数，OutputArray类型的dst目标图像,需与源图片尺寸类型一致
第三个参数， int类型的ddepth，输出图像深度，-1表示原图深度（即src.depth()）
第四个参数，Size类型的ksize表示内核大小，Size（w,h）w表示像素宽度，h表示像素高度
第五个参数，Point类型的anchor表示锚点，默认值Point（-1,-1），如果该点坐标为负值，就表示取核的中心为锚点，所以默认Point（-1，-1）表示锚点还核的中心
第六个参数，bool类型的normalize，默认为true，一个标识符，表示内核是否被其区域归一化了
第七个参数，int类型的borderTypr，用于推断图像外部像素的某种边界模式，默认BORDER_DEFAULT，无需理会

均值滤波

函数原型

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

第一个参数，inputArray类型的src源图像，输入图像Mat类。图片深度CV_8U、CV_16U、CV_16S、CV_32F、CV_64F
第二个参数，OutputArray类型的dst目标图像,需与源图片尺寸类型一致，可以用Mat::Clone
第三个参数， int类型的ddepth，输出图像深度，-1表示原图深度（即src.depth()）
第四个参数，Size类型的ksize表示内核大小，Size（w,h）w表示像素宽度，h表示像素高度
第五个参数，Point类型的anchor表示锚点，默认值Point（-1,-1），如果该点坐标为负值，就表示取核的中心为锚点，所以默认Point（-1，-1）表示锚点还核的中心
第七个参数，int类型的borderTypr，用于推断图像外部像素的某种边界模式，默认BORDER_DEFAULT，无需理会

高斯滤波

函数原型

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

第一个参数，inputArray类型的src源图像，输入图像Mat类。图片深度CV_8U、CV_16U、CV_16S、CV_32F、CV_64F
第二个参数，OutputArray类型的dst目标图像,需与源图片尺寸类型一致
第三个参数，Size类型的ksize表示内核大小，ksize.width和ksize.height可以不同，但需要都为正数和奇数，或为0，由sigma计算得来
第四个参数，double类型的sigmaX表示高斯核函数在X方向的标准偏差
第五个参数，double类型的sigmaY表示高斯核函数在Y方向的标准偏差，若sigmaY=0，则设为sigmalX；如果sigmalX=sigmalY=0，则由ksize,width和ksize.height计算而来
第六个参数，int类型的borderTypr，用于推断图像外部像素的某种边界模式，默认BORDER_DEFAULT，无需理会

中值滤波（非线性滤波）

函数原型

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

第一个参数，inputArray类型的src源图像，输入图像Mat类。图片深度CV_8U、CV_16U、CV_16S、CV_32F、CV_64F之一，对于较大孔径尺寸的图片时只为CV_8U
第二个参数，OutputArray类型的dst目标图像,需与源图片尺寸类型一致
第三个参数， int类型的ksize，孔径的线性尺寸，该参数必须为大于1的奇数。

双边滤波滤波（非线性滤波）

函数原型

void bilateralFilter(InputArray src, OutputArray dst, int d,
double sigmalColor,
double sigmalSpace, int borderType = BORDER_DEFAULT)

第一个参数，inputArray类型的src源图像，输入图像Mat类。图片深度CV_8U、CV_16U、CV_16S、CV_32F、CV_64F
第二个参数，OutputArray类型的dst目标图像,需与源图片尺寸类型一致
第三个参数， int类型的d，表示在滤波过程中每个像素领域的直径，如果这个值被设为非正数，那么OpenCV会从第五个参数sigmaSpace来计算出它
第四个参数，double类型的sigmaColor，颜色空间滤波器的sigma值。参数越大表明像素领域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域
第五个参数，double类型的sigmaSpace，坐标空间中滤波器的sigma值，坐标空间的标注方差。它的数值越大，意味着越远的像素会相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了领域大小且与sigmaSpace无关，否则，d正比与sigmaSpace
第六个参数，bool类型的normalize，默认为true，一个标识符，表示内核是否被其区域归一化了
第七个参数，int类型的borderTypr，用于推断图像外部像素的某种边界模式，默认BORDER_DEFAULT，无需理会

5种滤波综合示例

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
//全局变量申明
Mat g_srcImage, g_dstImage1, g_dstImage2, g_dstImage3, g_dstImage4, g_dstImage5;
int g_nBoxFilterValue = 6;//方框滤波内核值
int g_nMeanBlurValue = 10;//均值滤波内核值
int g_nGaussianBlurValue = 6;//高斯滤波内核值
int g_nMedianBlurValue = 10;//中值滤波参数值
int g_nBilateralFilterValue = 10;//双边滤波参数值
//全局函数申明
static void on_BoxFilter(int, void*);
static void on_MeanBlur(int, void*);
static void on_GaussianBlur(int, void*);
static void on_MedianBlur(int, void*);
static void on_BilateralFilter(int, void*);
//控制台应用程序入口函数
int main() {
system("color 5E");
g_srcImage = imread("1.jpg", 1);
if (!g_srcImage.data) {
printf("读取srcImage错误n");
return false;
}
g_dstImage1 = g_srcImage.clone();
g_dstImage2 = g_srcImage.clone();
g_dstImage3 = g_srcImage.clone();
g_dstImage4 = g_srcImage.clone();
g_dstImage5 = g_srcImage.clone();
//显示原图
namedWindow("[0]原图", 1);
imshow("[0]原图", g_srcImage);
//-----------方框滤波---------------
namedWindow("[1]方框滤波", 1);
//创建轨迹条
createTrackbar("内核值：", "[1]方框滤波", &g_nBoxFilterValue, 50, on_BoxFilter);
on_MeanBlur(g_nBilateralFilterValue, 0);
imshow("[1]方框滤波", g_dstImage1);
//----------均值滤波----------------
namedWindow("[2]均值滤波", 1);
createTrackbar("内核值：", "[2]均值滤波", &g_nMeanBlurValue, 50, on_MeanBlur);
on_MeanBlur(g_nMeanBlurValue, 0);
//----------高斯滤波----------------
namedWindow("[3]高斯滤波", 1);
createTrackbar("内核值：", "[3]高斯滤波", &g_nGaussianBlurValue, 50, on_GaussianBlur);
on_GaussianBlur(g_nGaussianBlurValue, 0);
//----------中值滤波----------------
namedWindow("[4]中值滤波", 1);
createTrackbar("内核值：", "[4]中值滤波", &g_nMedianBlurValue, 50, on_MedianBlur);
on_MedianBlur(g_nMedianBlurValue, 0);
//----------双边滤波----------------
namedWindow("[5]双边滤波", 1);
createTrackbar("内核值：", "[5]双边滤波", &g_nBilateralFilterValue, 50, on_BilateralFilter);
on_BilateralFilter(g_nBilateralFilterValue, 0);
while(char(waitKey(1))!='q'){}
return 0;
}
static void on_BoxFilter(int, void*) {
boxFilter(g_srcImage, g_dstImage1,-1, Size(g_nBoxFilterValue+1, g_nBoxFilterValue + 1));
imshow("[1]方框滤波", g_dstImage1);
}
static void on_MeanBlur(int, void*) {
blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
imshow("[2]均值滤波", g_dstImage2);
}
static void on_GaussianBlur(int, void*) {
GaussianBlur(g_srcImage, g_dstImage3, Size(g_nGaussianBlurValue *2+ 1, g_nGaussianBlurValue*2 + 1),0,0);
imshow("[3]高斯滤波", g_dstImage3);
}
static void on_MedianBlur(int, void*) {
medianBlur(g_srcImage, g_dstImage4,g_nMedianBlurValue*2+1);
imshow("[4]中值滤波", g_dstImage4);
}
static void on_BilateralFilter(int, void*) {
bilateralFilter(g_srcImage, g_dstImage5, g_nBilateralFilterValue, g_nBilateralFilterValue*2, g_nBilateralFilterValue/2);
imshow("[5]双边滤波", g_dstImage5);
}