Opencv中的3种线性滤波器

最新推荐文章于 2022-06-28 16:14:59 发布

weixin_35738542

最新推荐文章于 2022-06-28 16:14:59 发布

阅读量524

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_35738542/article/details/52192762

图像滤波：指在尽量保留图像特征的情况下，对图像的噪声进行抑制，对后续处理的有效性和可靠性有直接影响。

图像的平滑处理（Smoothing）和模糊处理（bluring）是去掉高频噪声的处理，和低通图像滤波是一个意思。

线性滤波：

1.方框滤波——boxblur

非归一化的方框滤波用于计算邻域内的积分特性；

归一化后的特殊情况是均值滤波，也就是normalize=true时的情况。

在OpenCV中使用：

2.均值滤波——blur

概念：均值滤波是用模板（核）的全体像素的平均值，代替原来的像素。

缺点：去噪的同时，使图像变得模糊。

在OpenCV中使用：内部代码实质是调用了boxblur改了参数，变成了归一化的情况。

3.高斯滤波——GaussianBlur

概念：图像与高斯分布卷积的结果。

在OpenCV中使用：

以上这些blur的滤波函数都是FilterEngine作为内核的，而cv:;filter2D(),cv:;erode(),cv::dilte()它们不依赖于FilterEngine

用进度条，调节size大小的程序：

#include
#include 
#include 
#include 
#include 
#include 
#include  "vector"


using namespace cv;
using namespace std;
static void on_callbackSlide(int,void *);
int contrastvalue=1;
Mat src;
Mat dst;
int main ()
{   
src=imread("lou.jpg",0);
dst=Mat::zeros(src.size(),src.type());
    namedWindow ("娄",1);

    //on_callbackSlide(contrastvalue); 

    createTrackbar("Size大小","娄",&contrastvalue,20,on_callbackSlide);
    waitKey(0); 
}
static void on_callbackSlide(int,void *) 
{
blur(src,dst,Size(contrastvalue*2+1,contrastvalue*2+1)); 
imshow("娄",dst);
}
//千万不要把creatTrackBar 写为  CvcreatTrackBar