1 概述
方框滤波(box Filter)被封装在一个名为boxblur的函数中,即boxblur函数 的作用是使用方框滤波器(box filter)来模糊一张图片,从src输入,从dst输出。
2 参数讲解
函数原型如下。 C++
- 第一个参数,InputArrav类型的src,输入图像,即源图像,填Mat类的对象即可。该函数对通道是独立处理的,且可以处理任意通道数的图片。但需要注意,待处理的图片深度应该为CV_8U、CV_16U、CV_16S、CV_32F以及CV_64F之一。
- 第二个参数,OutputArray 类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。
- 第三个参数,int类型的ddepth,输出图像的深度,—1代表使用原图深度,即 src.depth()。
- 第四个参数,Size类型(对Size类型稍后有讲解)的ksize,内核的大小。一般用Size(w,h)来表示内核的大小,其中w为像素宽度,h为像素高度。Size(3,3)就表示3x3的核大小,Size(5,5)就表示5x5的核大小。
- 第五个参数,Point 类型的 anchor,表示锚点(即被平滑的那个点)。注意它有默认值 Point(—1,—1)。如果这个点坐标是负值的话,就表示取核的中心为锚点,所以默认值Point(—1,—1)表示这个锚点在核的中心。
- 第六个参数,bool类型的 normalize,默认值为true,一个标识符,表示内核是否被其区域归一化(normalized)了。
- 第七个参数,int类型的 borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。
BoxFilter()函数方框滤波所用的核表示如下。
其中:
上式中f表示原图,h表示核,g表示目标图,当normalize=true的时候,方框滤波就变成了我们熟悉的均值滤波。也就是说,均值滤波是方框滤波归一化(normalized)后的特殊情况。其中,归一化就是把要处理的量都缩放到一个范围内,比如(0,1),以便统一处理和直观量化。而非归一化(Unnormalized)的方框滤波用于计算每个像素邻域内的积分特性,比如密集光流算法(dense optical flowalgorithms)中用到的图像倒数的协方差矩阵(covariance matrices of image derivatives)。
如果我们要在可变的窗口中计算像素总和,可以使用integral()函数。
3 示例
代码如下:
原图:
效果图:
对比图: