opencv幾種常見濾波器使用方法

1、opencv 中幾種常見的濾波器一. 濾波器的作用1. 問題：數(shù)字圖像信號的頻率分布？低高頻成分幅度就能減弱噪聲影響。回答：信號或者圖像的能量大部分在中低頻段，少部分有用信號在高頻段被噪聲沉沒（噪聲都是高頻信號）。因此設計濾波器能降2. 問題：為什么要進行圖像濾波？回答：1.適應圖像處理要求，消退圖像數(shù)字化時所混入的噪聲。2. 提取對象的特征作為圖像識別的特征模式（沒遇到過?。?. 問題：如何理解濾波器？回答：把濾波器想象成一個包含加權系數(shù)的窗口，當使用濾波器平滑處理圖像時，相當于把窗口放到圖像上，透過窗口看圖像。4. 問題：濾波器實現(xiàn)的結果是怎么樣的？回答：對圖像做平滑或濾波后圖像變得更模糊

2、。二 濾波器分類2.1 線性濾波器1. 低通濾波器：允許低頻率通過2. 高通濾波器：允許高頻率通過3. 帶通濾波器：允許肯定范圍頻率通過4. 帶阻濾波器：阻擋肯定范圍頻率通過5. 全通濾波器：允許全部頻率通過，只是轉變相位2.1.1 opencv 中供應的線性濾波函數(shù)1. 方框濾波：boxfilter 函數(shù)函數(shù)原型：void boxfilter (inputarray src,outputarray dst,int ddepth,size ksize,pointanchor=point(-1,-1),boolnormalize=true,int bordertype=border_defaul

3、t)參數(shù)說明： inputarray，輸入圖像 src。outputarray ，輸出圖像 dst。int 類型 ddepth，輸出圖像深度，-1 代表使用原圖 src 深度。size 類型 ksize，內(nèi)核大小，一般用 size(w,h)，w 為寬度，h 為深度。point 類型 anchor，被平滑的點，表示取內(nèi)核中心，默認值 point(-1,-1)。bool 類型 normalize，標識符，表示內(nèi)核是否被歸一化。默認值為 true。int 類型 bodertype，推斷圖像外部像素的某種邊界模式。默認值 border_default。2. 均值濾波：blur 函數(shù)函數(shù)原型：void

4、blur(inputarray src,outputarray dst,int ddepth,size ksize,pointanchor=point(-1,-1), int bordertype=border_default)參數(shù)說明：inputarray，輸入圖像 src。outputarray ，輸出圖像 dst。int 類型 ddepth，輸出圖像深度，-1 代表使用原圖 src 深度。size 類型 ksize，內(nèi)核大小，一般用 size(w,h)，w 為寬度，h 為深度。point 類型 anchor，被平滑的點，表示取內(nèi)核中心，默認值 point(-1,-1)。int 類型 bo

5、dertype，推斷圖像外部像素的某種邊界模式。默認值 border_default。3. 高斯濾波：gaussianblur 函數(shù)函數(shù)原型： void gaussianblur(inputarray src,outputarray dst, size ksize,double sigmax,double sigmay=0,int bordertype=border_default)參數(shù)說明：inputarray，輸入圖像 src。outputarray ，輸出圖像 dst.size 類型 ksize，內(nèi)核大小，一般用 size(w,h)，w 為寬度，h 為深度。double 類型的 sigm

6、ax,表示高斯核函數(shù)在 x 方向上的標準偏差。double 類型的 sigmay，表示高斯核函數(shù)在 y 方向上的標準偏差， sigmay 有默認值為 0.假如 sigmax 和 sigmay 都為 0， 由內(nèi)核的寬高計算出來。int 類型 bodertype，推斷圖像外部像素的某種邊界模式。默認值 border_default。4. 補充：boxblur 函數(shù)中的參數(shù) normalize，當 normalize=true 時為均值濾波。言外之意，均值濾波是方框濾波歸一化后的特別狀況。2.1.2 線性濾波器的計算方法圖注：鄰域濾波（卷積）：左邊圖像與中間圖像的卷積產(chǎn)生右邊圖像。目標圖像中藍色標記

7、的像素是利用原圖像中紅色標記的像素計算得到的。線 性 濾 波 處 理 的 輸 出 像 素 值 的加權和 :是 輸 入 像 素 值其中的加權和為 ，我們稱其為“核”，濾波器的加權系數(shù)，即濾波器的“濾波系數(shù)”。上面的式子可以簡潔寫作：舉例說明：其中f 表示輸入像素值，h 表示加權系數(shù)“核“，g 表示輸出像素值。對待處理的當前像素，選擇一個內(nèi)核大小，該內(nèi)核為其鄰近的若干個像素組成，用內(nèi)核的均值來替代原像素的值的方法。取出圖像中的幾個像素點，并標注需要處理的像素點 f(x,y)1234f(x,y)5678圖注：18 為(x,y)的鄰近像素設置內(nèi)核大小通過均值濾波器后其計算為：f(x,y)=(f(x-1

8、,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y) + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1)/9設置內(nèi)核大小通過方框濾波器后其計算為：f(x,y)=f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y) + f(x-1,y+ 1) + f(x,y+1) + f(x+1,y+1)通過高斯濾波器利用公式：代入x,y 值可以算出f(x,y)的值。2.2 非線性濾波器1. 中值濾波：像素點 鄰域灰度值的中值代替該像素點的灰度值。2

9、. 雙邊濾波：基于空間分布的高斯濾波函數(shù)，比高斯濾波多一個sigma-d 的高斯方差。2.2.1 opencv 中供應的非線性濾波函數(shù)1. 中值濾波：medianblur 函數(shù)函數(shù)原型：void medianblur(inputarray src,outputarray dst,int ksize)參數(shù)說明：inputarray，輸入圖像 src。outputarray ，輸出圖像 類型 ksize，孔徑的線性尺寸，這個參數(shù)必需是大于1 的奇數(shù)2. 雙邊濾波： bilateralfilter(inputarray src,outputarray dst, int d, doub

10、le sigmacolor,double sigmaspace,int bordertype=border_default)參數(shù)說明：inputarray，輸入圖像 src。outputarray ，輸出圖像 dst.int 類型的 d，表示過濾過程每個像素鄰域的直徑double 類型的 sigmacolor,表示顏色濾波器的 sigma 值double 類型的 sigmaspace，表示坐標空間的 sigma 值int 類型 bodertype，推斷圖像外部像素的某種邊界模式。默認值 border_default。)三 幾種濾波器的使用本示例在 opencv3.0+vs2012 運行環(huán)境下測

11、試，不管利用 opencv 或者 vs 什么版本其實程序都是一樣的。只不過在包含頭文件時留意位置就好了。#include<opencv2/opencv.hpp>using namespace cv;using namespace std;#define windows_name1 “【原圖】“ #define windows_name2 “【方框濾波】“ #define windows_name3 “【均值濾波】“#define windows_name4 “【高斯濾波】“#define windows_name5 “【中值濾波】“#define windows_name6 “【雙

12、邊濾波】“int main()system(“color 5e“);/把dos框背景顏色轉變，只是看看效果，默認dos框背景為黑色。mat srcimage=imread(“d:programfiles圖片example4.jpg“);/讀入原圖if (!srcimage.data)cout<<“讀取srcimage錯誤！“<<endl;/用到了輸入輸出流，頭文件要加“using namespace std;”return false;mat box_image=srcimage.clone();/創(chuàng)建5個mat矩陣用來存放濾波數(shù)據(jù)，利用clone函數(shù)使其大 小和原圖大

13、小相同 mat blur_image=srcimage.clone();mat gaussian_image=srcimage.clone(); mat median_image=srcimage.clone(); mat bilateral_image=srcimage.clone();/=顯示原圖=namedwindow(windows_name1,1);imshow(windows_name1,srcimage);/=方框濾波= namedwindow(windows_name2,1); boxfilter(srcimage,box_image,-1,size(3,3),point(-1

14、,-1),false,border_default);imshow(windows_name2,box_image);/=均值濾波= namedwindow(windows_name3,1);blur(srcimage,blur_image,size(3,3),point(-1,-1),border_default);imshow(windows_name3,blur_image);/=高斯濾波=namedwindow(windows_name4,1);imshow(windows_name4,gaussian_image);/=中值濾波=gaussianblur(srcimage,gaussian_image,size(3,3),0,0,borde r_default);namedwindow(windows_name5,1); medianblur(srci