imgproc模块--filter2D实现线性滤波器

最新推荐文章于 2023-04-16 12:40:22 发布

nnUyi

最新推荐文章于 2023-04-16 12:40:22 发布

阅读量1k

点赞数

分类专栏： opencv学习笔记文章标签： opencv 图像处理

opencv学习笔记专栏收录该内容

33 篇文章

订阅专栏

本文介绍了如何利用OpenCV的filter2D函数进行图像处理，讲解了卷积的概念、核的定义以及卷积操作的步骤。通过部分代码解释，详细展示了如何应用filter2D进行线性滤波，并提供了相关代码文件供参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.目的
（1）学习如何使用openCV的filter2D函数实现滤波器

2.原理
[1]卷积
卷积是每一个图像快和某个算子之间进行运算的操作
[2]核
核说白了就是一个固定大小的数值数组。该数组带有一个锚点，一般位于数组中央。

卷积核

[3]卷积操作
<1>将核的锚点放在该特定位置的像素上，同时，核内的其他值与该像素邻域的各像素重合；
<2>将核内各值与相应像素值相乘，并将乘积相加；
<3>将所得结果放到与锚点对应的像素上；
<4>对图像所有像素重复上述过程。

3.部分代码解释
（1）filter2D

    /*
    filter2D参数解释
    src：输入图像
    dst：输出图像
    depth：图像深度，若为负值，则深度和原始图像一样
    anchor：锚点，一般设置为卷积核中心
    delta：偏置，卷积操作后加在被处理像素上
    BORDER_DEFAULT：保持默认值，更多细节会在后续给出
    */
    filter2D(src, dst, src.depth(), kernel, anchor, delta, BORDER_DEFAULT);

4.完整代码
（1）CommonInclude.h

#ifndef COMMON_INCLUDE
#define COMMON_INCLUDE
#include<iostream>
using namespace std;
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
#endif

（2）LinearFilter.cpp

#include "CommonInclude.h"
int kernel_size = 1;
int max_kernel_size = 21;
char windowName[] = "Linear Filter";
Mat src, dst;

void LinearFilter(int, void*){
    //归一化核
    Mat kernel = Mat::ones(2*kernel_size+1, 2*kernel_size+1, CV_32F)*1.0/((2*kernel_size+1)*(2*kernel_size+1));
    Point anchor = Point(-1,-1);
    double delta = 0;
    /*
    filter2D参数解释
    src：输入图像
    dst：输出图像
    depth：图像深度，若为负值，则深度和原始图像一样
    anchor：锚点，一般设置为卷积核中心
    delta：偏置，卷积操作后加在被处理像素上
    BORDER_DEFAULT：保持默认值，更多细节会在后续给出
    */
    filter2D(src, dst, src.depth(), kernel, anchor, delta, BORDER_DEFAULT);
    imshow(windowName, dst);
}

int main(int argc, char** argv){
    if(argc < 2){
        cout << "more parameters are required!!!" << endl;
        return(-1);
    }
    namedWindow(windowName, CV_WINDOW_AUTOSIZE);
    src = imread(argv[1]);
    if(!src.data){
        cout << "error to read image!!!" << endl;
        return(-1);
    }
    createTrackbar("Kernel Size:\n 2*n+1", windowName,
            &kernel_size, max_kernel_size,
            LinearFilter);
    LinearFilter(0,0);
    waitKey(0);
    return(0);
}