本文为毛星云《OpenCV3编程入门》学习记录。
- 方框滤波:boxFilter函数
boxFilter的函数作用是使用方框滤波(boxfilter)来模糊一张图片,由src输入,dst输出。
函数原型如下。
C++:
void boxFiLter(InputArray src,OutputArray dst,int ddepth,Size ksize,Point anchor=Point(-1,-1),bool normalize=true,int borderType=BORDER_DEFAULT)
参数详解如下。
- 第一个参数,InputArray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CV8U、CV16U、CV_16S、CV_32F以及CV64F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*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33的核大小,Size(5,5)就表示55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,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。
代码范例:
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
using namespace cv;
int main(){
//载入图片
Mat image = imread("xiaozhan.jpg");
//创建窗口
namedWindow("方框滤波【原图】");
namedWindow("方框滤波【效果图】");
//显示原图
imshow("方框滤波【原图】", image);
//进行滤波操作
Mat out;
boxFilter(image, out, -1, Size(5, 5));
//显示效果图
imshow("方框滤波【效果图】", out);
waitKey(0);
}
- 均值滤波:blur函数
blur的作用是对输入的图像src进行均值滤波后用dst输出。
函数原型如下:
C++:
void blur(InputArray rc,OutputArray dst,Size ksize,Point anchor=Point(-1,-1),int borderType = BORDER_DEFAULT);
- 第一个参数,InputArray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。但需要注意的是,待处理的图片深度应该为CV_8U、CV_6U、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。比如可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
- 第三个参数,Size类型(对Size类型相后有讲解)的ksize,内核的大小。一般写作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3×3的核大小,Size(5,5)就表示5×5的核大小。
- 第四个参数,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,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。
- 第五个参数,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。
调用代码如下。
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
using namespace cv;
int main(){
//载入图片
Mat image = imread("xiaozhan.jpg");
//创建窗口
namedWindow("均值滤波【原图】");
namedWindow("均值滤波【效果图】");
//显示原图
imshow("均值滤波【原图】", image);
//进行滤波操作
Mat out;
blur(image, out, Size(7, 7));
//显示效果图
imshow("均值滤波【效果图】", out);
waitKey(0);
}
- 高斯滤波:GaussianBlur函数
GaussianBlur函数的作用是用高斯滤波器来模糊一张图片,对输入的图像src进行高斯滤波后用dst输出。
函数原型如下。
C++:
void GaussianBlur(lnputArray src,OutputArray dst,Size ksize,double sigmaX,double sigmaY=0,int borderType=BORDER_DEFAULT)
- 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。它可以是单独的任意通道数的图片,但需要注意的是,其图片深度应该为CV8U、CV_16U、CV_16S、CV32F以及CV64F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。比如可以用Mat::Clone,以源图片为模板,来初始化得到如假包换的目标图。
- 第三个参数,Size类型的ksize高斯内核的大小。其中ksize.width和ksize.height可以不同,但它们都必须为正数和奇数,或者是零,这都由sigma计算而来。
- 第四个参数,double类型的sigmaX,表示高斯核函数在X方向的的标准偏差。
第五个参数,double类型的sigmaY,表示高斯核函数在Y方向的的标准偏差。若sigmaY为零,就将它设为sigmaX;如果sigmax和sigmaY都是0,那么就由ksize.width和ksize.height计算出来。
调用示例如下。
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
using namespace cv;
int main(){
//载入图片
Mat image = imread("xiaozhan.jpg");
//创建窗口
namedWindow("高斯滤波【原图】");
namedWindow("高斯滤波【效果图】");
//显示原图
imshow("高斯滤波【原图】", image);
//进行滤波操作
Mat out;
GaussianBlur(image, out, Size(3, 3), 0, 0);
//显示效果图
imshow("高斯滤波【效果图】", out);
waitKey(0);
}
12. 图像线性滤波综合示例
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
#include<iostream>
using namespace std;
using namespace cv;
//全局变量声明部分
Mat g_srcImage, g_dstImage1, g_dstImage2, g_dstImage3;
//方框滤波参数
int g_nBoxFilterValue = 3;
//均值滤波参数
int g_nMeanBlurValue = 3;
//高斯滤波参数
int g_nGaussianBlurVlaue = 3;
//全局函数声明部分
//轨迹条回调函数
//方框滤波
static void on_BoxFilter(int, void*);
static void on_MeanBlur(int, void*);
static void on_GaussianBlur(int, void*);
//main函数
int main(){
//改变控制台字体颜色
system("color5E");
//载入图像
g_srcImage = imread("xiaozhan.jpg", 1);
if (!g_srcImage.data)
{
printf("读取srcImage失败!\n");
return false;
}
//复制原图
g_dstImage1 = g_srcImage.clone();
g_dstImage2 = g_srcImage.clone();
g_dstImage3 = g_srcImage.clone();
//显示原图
namedWindow("【<0>原图窗口】", 1);
imshow("【<0>原图窗口】", g_srcImage);
//方框滤波
//创建窗口
namedWindow("【<1>方框滤波】", 1);
createTrackbar("内核值:","【<1>方框滤波】", &g_nBoxFilterValue, 40, on_BoxFilter);
on_BoxFilter(g_nBoxFilterValue, 0);
//imshow("【<1>方框滤波】", g_dstImage1);
//均值滤波
//创建窗口
namedWindow("【<2>均值滤波】");
createTrackbar("内核值:", "【<2>均值滤波】", &g_nMeanBlurValue, 40, on_MeanBlur);
on_MeanBlur(g_nMeanBlurValue, 0);
//高斯滤波
//创建窗口
namedWindow("【<3>高斯滤波】");
createTrackbar("内核值:", "【<3>高斯滤波】", &g_nGaussianBlurVlaue, 40, on_GaussianBlur);
on_GaussianBlur(g_nGaussianBlurVlaue, 0);
//输出一些帮助信息
cout << "\t,请调整滚动条观察图像效果~\n\n" << "\t按下‘q’键时,程序退出~\n";
while (char(waitKey(1))!='q')
{
}
return 0;
}
//on_boxFilter函数
static void on_BoxFilter(int, void*){
//方框滤波操作
boxFilter(g_srcImage, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1));
//显示窗口
imshow("【<1>方框滤波】", g_dstImage1);
}
//on_MeanBlur函数
static void on_MeanBlur(int, void*){
//均值滤波操作
blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
//显示窗口
imshow("【<2>均值滤波】", g_dstImage2);
}
//on_GaussianBlue函数
static void on_GaussianBlur(int, void*){
//高斯滤波函数
GaussianBlur(g_srcImage, g_dstImage3,Size(g_nGaussianBlurVlaue*2+1,g_nGaussianBlurVlaue*2+1),0,0);
//显示窗口
imshow("【<3>高斯滤波】", g_dstImage3);
}