opencv学习--(3)滤波总结

阳光穿透心脏的1/2处 2022-03-12 05:38 330阅读 0赞

/*
    
    最大值滤波可以去除图像中的暗斑，同时也会使亮斑增大；最小值滤波可以去除图像中的亮斑，同时也会增大暗斑
    
    滤波处理分为两大类：线性滤波和非线性滤波。
    OpenCV里有这些滤波的函数，使用起来非常方便，现在简单介绍其使用方法。
    
    线性滤波：方框滤波、均值滤波、高斯滤波
    			均值滤波：均值滤波就是方框滤波的一个特殊情况。
    					均值滤波的缺点就是不能很好地保护细节，在图像去燥的同时也破坏了图像的而细节部分，
    					从而使图像变得模糊，不能很好的去除噪点。
    
    			高斯滤波：高斯滤波，可以消除高斯噪声，广泛应用于图像处理的减噪过程。（高斯滤波的模糊感明显比均值更低）
    
    非线性滤波：中值滤波、双边滤波
    			中值滤波：（中值滤波跟均值滤波的思想看起来很相似，只是一个取平均值，一个取中位数而已，
    						均值滤波中噪声成分会被加入到平均计算，所以输出是受到噪声的影响的。但是中值滤波中，
    						由于噪声成分很难选上，所以基本不影响输出。当然好的性能也需要付出一点代价的，
    						中值滤波花费的时间是均值滤波的5倍以上。中值滤波一般采用奇数的卷积核，
    						中值滤波对一些细节多（特别是细、尖顶的）的图像不太适合。）
    						基本思想就是用像素点的领域灰度的中值来代替该像素点的灰度值，
    						该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像的细节（不会出现边缘模糊的情况）。
    			双边滤波：双边滤波的最大特点就是做边缘保存。
    */
    #include<opencv.hpp>
    #include<highgui.hpp>
    #include<imgproc.hpp>
    using namespace std;
    using namespace cv;
    void main()
    {
    	
    	/*方框滤波*/
    	/*
    	IplImage *img = cvLoadImage("jack1.jpg");
    	Mat src = cvarrToMat(img);
    	Mat out;
    	//方框滤波的参数解释
    	//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。一般这样写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），注意他有默认值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(src,out,-1,Size(10,10));
    	imshow("out",out);
    	*/
    	//--------------------------------------------------
    
    
    	/*均值滤波*/
    	/*
    	Mat img = imread("jack1.jpg");
    	Mat out;
    	blur(img,out,Size(5,5));
    	*/
    	//--------------------------------------------------
    	/*g高斯滤波*/
    	/*
    	Mat img = imread("jack1.jpg");
    	Mat out;
    	GaussianBlur(img,out,Size(1,1),0,0);
    	//GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT);
    	//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，图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
    	//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。
    	//ksize，高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数（并不能理解）。或者，它们可以是零的，它们都是由sigma计算而来。
    	//sigmaX，表示高斯核函数在X方向的的标准偏差。
    	//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。
    	//为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。
    	//borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。
    	*/
    
    	//--------------------------------------------------
    	/*g中值滤波*/
    	/*
    	Mat img = imread("jack1.jpg");
    	Mat out;
    	medianBlur(img,out,7);//第三个参数表示孔径的线性尺寸，它的值必须是大于1的奇数
    	*/
    
    	//--------------------------------------------------
    	/*双边滤波----结合图像的空间邻近度和像素值相似度的一种折衷处理，
    				同时考虑空间与信息和灰度相似性，达到保边去噪的目的，
    				具有简单、非迭代、局部处理的特点*/
    	Mat img = imread("jack1.jpg");
    	Mat out;
    	bilateralFilter(img,out,25,25*2,25/2);
    	/*
    	 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，这个参数的值越大，表明该像素邻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。 
    	. 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.
    	*/
    
    	imshow("out",out);
    	waitKey(0);
    	return;
    }

我的opencv系列博客都是受[Madcola][]博主启发，感谢博客园的[Madcola][]博主！

[Madcola]: https://home.cnblogs.com/u/skyfsm/