openCV(三)

图像梯度处理

• 图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。一般情况下，图像梯度计算的是图像的边缘信息。

模板运算

• 模板（滤波器）是一个尺寸为n*n的小图像W（n一般取奇数，称为模板尺寸），每个位置上的值w被称为权重。在进行计算时，将模板的中心和像素P对齐，选取原始图像中和模板相同范围的邻域N的像素值作为输入。
• 模板卷积的计算是将对齐后的对应位置像素相乘，再进行累加作为像素P位置的输出值。
• 模板排序的计算时将邻域N的像素值进行排序，选择特定次序的灰度值，作为像素P位置的输出值，如最大值、最小值、中位数等。

均值滤波

• 均值滤波指模板权重都为1的滤波器。它将像素的邻域平均值作为输出结果，均值滤波可以起到图像平滑的效果，可以去除噪声，但随着模板尺寸的增加图像会变得更为模糊。经常被作为模糊化使用。
  

高斯滤波

• 为了减少模板尺寸增加对图像的模糊化，可以使用高斯滤波器，高斯滤波的模板根据高斯分布来确定模板系数，接近中心的权重比边缘的大。
  

中值滤波

• 中值滤波属于模板排序运算的滤波器。中值滤波器将邻域内像素排序后的中位数值输出代替原像素值。它在实现降噪操作的同时，保留了原始图像的锐度，不会修改原始图像的灰度值。
• 中值滤波的使用非常普遍，它对椒盐噪声的抑制效果很好，在抑制随机噪声的同时能有效保护边缘少受模糊。但中值滤波是一种非线性变化，它可能会破坏图像中线性关系，对于点、线等细节较多的图像和高精度的图像处理任务中并不太合适。
  

边沿检测

• 通过梯度计算可以获取图像中细节的边缘。为在锐化边缘的同时减少噪声的影响，通过改进梯度法发展出了不同的边缘检测算子：
  一阶梯度：Prewitt梯度算子、Sobel梯度算子
  二阶梯度：Laplacian梯度算子。
  
  

锐化

• 图像锐化与图像平滑是相反的操作，锐化是通过增强高频分量来减少图像中的模糊，增强图像细节边缘和轮廓，增强灰度反差，便于后期对目标的识别和处理。锐化处理在增强图像边缘的同时也增加了图像的噪声。将求取的边缘按照一定系数比例叠加到原始图像上，即可实现对图像的锐化操作。
• 例如使用Laplacian梯度算子进行锐化操作的模板，其中A是大于等于1的系数