使用 OpenCV 函数filter2D()创建您自己的线性过滤器

理论

笔记

以下解释属于Bradski 和 Kaehler 所著的《Learning OpenCV》一书。

相关性

从非常广泛的意义上讲，相关性是图像的每个部分与运算符（核）之间的操作。

什么是内核？

核本质上是一个固定大小的数值系数数组，以及该数组中的锚点，通常位于中心。

与内核的关联如何起作用？

假设你想知道图像中特定位置的结果值。相关性值按以下方式计算：

1. 将核锚点放置在确定像素的顶部，核的其余部分覆盖图像中相应的局部像素。
2. 将核系数与相应的图像像素值相乘，然后对结果求和。
3. 将结果放置到输入图像中锚点的位置。
4. 通过扫描整个图像上的内核，对所有像素重复该过程。

将上述过程以方程形式表达，可得：

幸运的是，OpenCV 为您提供了函数filter2D()，因此您不必编写所有这些操作的代码。

这个程序是做什么的？

• 加载图片

• 执行规范化盒式过滤器。例如，对于大小为s我是埃=3，内核将是：

  

该程序将使用大小为 3、5、7、9 和 11 的内核执行过滤操作。

• 过滤器输出（每个内核）将在 500 毫秒内显示

C++代码
 

教程代码显示如下。

您也可以从此处下载

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;

int main ( int argc, char** argv )
{
    // Declare variables
    Mat src, dst;

    Mat kernel;
    Point anchor;
    double delta;
    int ddepth;
    int kernel_size;
    const char* window_name = "filter2D Demo";

    const char* imageName = argc >=2 ? argv[1] : "lena.jpg";

    // Loads an image
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image

    if( src.empty() )
    {
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default lena.jpg] \n");
        return EXIT_FAILURE;
    }

    // Initialize arguments for the filter
    anchor = Point( -1, -1 );
    delta = 0;
    ddepth = -1;

    // Loop - Will filter the image with different kernel sizes each 0.5 seconds
    int ind = 0;
    for(;;)
    {
        // Update kernel size for a normalized box filter
        kernel_size = 3 + 2*( ind%5 );
        kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);

        // Apply filter
        filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );
        imshow( window_name, dst );

        char c = (char)waitKey(500);
        // Press 'ESC' to exit the program
        if( c == 27 )
        { break; }

        ind++;
    }

    return EXIT_SUCCESS;
}

解释

加载图像

C++

    const char* imageName = argc >=2 ? argv[1] : "lena.jpg";

    // Loads an image
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image

    if( src.empty() )
    {
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default lena.jpg] \n");
        return EXIT_FAILURE;
    }

 

初始化参数

C++

    // Initialize arguments for the filter
    anchor = Point( -1, -1 );
    delta = 0;
    ddepth = -1;

C++JavaPython

执行无限循环，更新内核大小并将线性滤波器应用于输入图像。让我们更详细地分析一下：

• 首先我们定义过滤器要使用的内核。它如下：

        // Update kernel size for a normalized box filter
        kernel_size = 3 + 2*( ind%5 );
        kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);

第一行是将kernel_size更新为范围内的奇数值：[3，11]第二行实际上是通过将其值设置为填充有1′s并通过将其除以元素数量来对其进行标准化。

• 设置内核后，我们可以使用函数filter2D()生成过滤器：

        // Apply filter
        filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );

• 参数表示：
  • src：源图像
  • dst：目标图像
  • ddepth ： dst的深度。负值（例如−1)表示深度与源相同。
  • kernel：要通过图像扫描的内核
  • anchor：锚点相对于其核的位置。位置Point(-1, -1)默认表示中心。
  • delta：在相关过程中要添加到每个像素的值。默认情况下，它是0
  • BORDER_DEFAULT：我们默认使用这个值（更多细节请见后续教程）
• 我们的程序将实现一个while循环，每 500 毫秒，我们的过滤器的内核大小将在指示的范围内更新。

结果

1. 编译上述代码后，您可以执行它并将图像的路径作为参数。结果应该是一个窗口，其中显示由规范化过滤器模糊的图像。每 0.5 秒内核大小应该会发生变化，如下面的一系列快照所示：