图像去条纹opencv opencv去除毛刺

OpenCV入门学习day04

出入每天学习点OpenCV，做做计算机视觉项目

---

文章目录

• OpenCV入门学习day04
• 前言
• 一、滤波处理

• 1.方框滤波
• 2.均值滤波（模糊）
• 3.高斯滤波（高斯模糊）
• 4.双边滤波
• 5.中值滤波

• 二、形态学操作

• 1膨胀腐蚀
• 2、开操作、闭操作、形态学梯度、顶帽、黑帽

• morphologyEx（）函数
• 自适应阈值算法adaptiveThreshold

• 3、图像金字塔

---

前言

一、滤波处理

所谓滤波处理就是消除图像噪声成分，低通滤波和高通滤波

1.方框滤波

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

第一个参数：InputArray src表示输入图像
第二个参数：OutputArray dst表示输出图像
第三个参数：int ddepth输出图像的深度
第四个参数：Point anchor=Point(-1,-1)处理的像素点是卷积核的中心
第五个参数：boolnormalize=true表示是不是进行归一化
第六个参数：int borderType=BORDER_DEFAULT图像边界的处理方式

void OpenCV_quick_day02_demo::boxFliter_demo(Mat &image)
{
	Mat dst;
	boxFilter(image, dst, -1, Size(5, 5));

	namedWindow("方框滤波", WINDOW_FREERATIO);
	imshow("方框滤波", dst);
}

2.均值滤波（模糊）

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

void OpenCV_quick_day02_demo::blur_demo(Mat &image) {
	Mat dst;
	blur(image, dst, Size(5, 5));
	namedWindow("均值滤波", WINDOW_FREERATIO);
	imshow("均值滤波", dst);
}

3.高斯滤波（高斯模糊）

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

InputArray src：输入的图像
OutputArray dst：输出图像
Size ksize：高斯卷积核的大小，是奇数
double sigmaX, double sigmaY=0, ：表示x和y方向的方差，如果y=0则y方向的方差与x相等
int borderType=BORDER_DEFAULT ：边界的处理方式，一般默认

4.双边滤波

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

InputArray src: 输入图像，可以是Mat类型，图像必须是8位或浮点型单通道、三通道的图像。
OutputArray dst: 输出图像，和原图像有相同的尺寸和类型。
int d: 表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数，则函数会从第五个参数sigmaSpace计算该值。
double sigmaColor: 颜色空间过滤器的sigma值，这个参数的值月大，表明该像素邻域内有月宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
double sigmaSpace: 坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，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指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace.
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.

5.中值滤波

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

int ksize: 滤波模板的尺寸大小，必须是大于1的奇数，如3、5、7……

二、形态学操作

1膨胀腐蚀

膨胀和腐蚀是相对于高亮区而言的。

Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1, -1))

返回制定形状和尺寸的结构元素（内核矩阵）
int shape：内核形状，矩形MORPH_RECT，交叉形MORPH_CROSS，椭圆形MORPH_ELLIPSE
Size ksize:内核的尺寸，
Point anchor = Point(-1, -1) ：锚点位置，默认值（-1，-1），邻域中心。

//腐蚀
void erode( InputArray src, OutputArray dst, InputArray kernel,
                         Point anchor = Point(-1,-1), int iterations = 1,
                         int borderType = BORDER_CONSTANT,
                         const Scalar& borderValue = morphologyDefaultBorderValue() );
//int iterations = 1,迭代使用erode的次数默认值为1
//膨胀函数为dilate(),同上

2、开操作、闭操作、形态学梯度、顶帽、黑帽

//开运算就是先腐蚀后膨胀、用来消除小物体，平滑大物体的边界，不明显改变面积。
//闭运算就是先膨胀后腐蚀，排除小型黑洞（黑色区域）
//形态学梯度就是膨胀图与腐蚀图之差，可以用来保留物体边缘轮廓
//顶帽:原图与开运算图之差，用来分离比邻近亮一点的斑快
//黑帽：闭操作图-原图，用来分离比邻近点暗一点的斑块，有比较好的轮廓效果

morphologyEx（）函数

void morphologyEx( InputArray src, OutputArray dst,
                                int op, InputArray kernel,
                                Point anchor = Point(-1,-1), int iterations = 1,
                                int borderType = BORDER_CONSTANT,
                                const Scalar& borderValue = morphologyDefaultBorderValue() );

该函数可以用来操作开闭运算，顶帽黑帽、形态学梯度、腐蚀膨胀效果。
其中 op：MORPH_OPEN开运算
MORPH_CLOSE闭运算
MORPH_DILATE膨胀
MORPH_ERODE腐蚀
…

自适应阈值算法adaptiveThreshold

void adaptiveThreshold( InputArray src, OutputArray dst,
                                     double maxValue, int adaptiveMethod,
                                     int thresholdType, int blockSize, double C );

InputArray src：源图像
OutputArray dst：输出图像，与源图像大小一致
int adaptiveMethod：在一个邻域内计算阈值所采用的算法，有两个取值，分别为 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C 。
ADAPTIVE_THRESH_MEAN_C的计算方法是计算出领域的平均值再减去第七个参数double C的值。
ADAPTIVE_THRESH_GAUSSIAN_C的计算方法是计算出领域的高斯均值再减去第七个参数double C的值。
int thresholdType：这是阈值类型，只有两个取值，分别为 THRESH_BINARY 和THRESH_BINARY_INV
int blockSize：adaptiveThreshold的计算单位是像素的邻域块，这是局部邻域大小，3、5、7等。
double C：这个参数实际上是一个偏移值调整量，用均值和高斯计算阈值后，再减或加这个值就是最终阈值。

案例：横线竖线的提取

思路：1.转化为灰度图像
2、转化为二值图像adaptiveThreshold
3、开操作——定义内核——//定义横线结构元素//定义竖线结构元素

void OpenCV_quick_day02_demo::HSline_demo() {
	Mat src = imread("E:/OpenCVcode/imageRead/pic3.png");
	imshow("原图src", src);
	Mat dst;
	//1.转化为灰度图像
	Mat graySrc;
	cvtColor(src,graySrc,COLOR_BGR2GRAY);
	imshow("graySrc", graySrc);
	//2、转化为二值图像adaptiveThreshold
	Mat binaryImg;
	adaptiveThreshold(~graySrc, binaryImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 333, -25
);
	imshow("binaryImg", binaryImg);

	//3、开操作
	//定义横线结构元素
	Mat hLine = getStructuringElement(MORPH_RECT, Size(binaryImg.cols/16, 1));
	//定义竖线结构元素
	Mat sLine = getStructuringElement(MORPH_RECT, Size(1, binaryImg.rows / 16));

	//先腐蚀
	Mat erodeTemp;
	erode(binaryImg, erodeTemp, sLine);
	imshow("先腐蚀", erodeTemp);

	//后膨胀
	dilate(erodeTemp, dst, sLine);
	imshow("开操作", erodeTemp);
	
}

3、图像金字塔

上采样——输出图像为原图的两倍,类似放大
降采样——输出图像原图的1/2，类似缩小
DOG——利用高斯金字塔，对图像降采样，逐层采用得到，高斯不同

DOG案例：

void  OpenCV_quick_day02_demo::pyr_demo(Mat &image) {
	//DOG
	Mat gray_src, g1, g2,g3, dogImg01, dogImg02;
	cvtColor(image, gray_src, COLOR_BGR2GRAY);
	GaussianBlur(gray_src, g1, Size(9, 9), 0, 0);
	GaussianBlur(g1, g2, Size(9, 9), 0, 0);
	GaussianBlur( g2,g3, Size(9, 9), 0, 0);
	subtract(g1, g2, dogImg01);
	subtract(g1, g3, dogImg02);
	normalize(dogImg01, dogImg01, 1024, 0, NORM_MINMAX);
	normalize(dogImg02, dogImg02, 1024, 0, NORM_MINMAX);
	imshow("dogImg01", dogImg01);
	imshow("dogImg02", dogImg02);

}