腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

OpenCV 2.4.3 C++ 平滑處理分析

更新時間：2012年11月21日 16:29:18 作者：

平滑也稱模糊, 是一項(xiàng)簡單且使用頻率很高的圖像處理方法,本文將詳細(xì)介紹OpenCV 2.4+ C++ 平滑處理，需要了解更多的朋友可以詳細(xì)參考下

原理

平滑也稱模糊, 是一項(xiàng)簡單且使用頻率很高的圖像處理方法。

平滑處理時需要用到一個濾波器。最常用的濾波器是線性濾波器，線性濾波處理的輸出像素值（例如： $g(i,j)$ ）是輸入像素值（例如： $f(i+k,j+l)$ ）的加權(quán)平均：

　　　　 $g(i,j) = \sum_{k,l} f(i+k, j+l) h(k,l)$

$h(k,l)$ 稱為核, 它僅僅是一個加權(quán)系數(shù)。

均值平滑

下面是一個使用blur函數(shù)的均值平滑：

復(fù)制代碼代碼如下:

#include "opencv2/core/core.hpp" 

#include "opencv2/highgui/highgui.hpp" 

#include "opencv2/imgproc/imgproc.hpp" 

#include <stdio.h> 

using namespace cv; 

int main( int argc, char** argv ){ 
Mat image; 
image = imread( argv[1]); 

if( argc != 2 || !image.data ){ 
printf("沒有圖片\n"); 
return -1; 
} 

namedWindow( "平滑處理-輸入" ); 
namedWindow( "平滑處理-輸出" ); 

imshow( "平滑處理-輸入", image ); 

Mat out; 

blur( image, out, Size(3, 3)); 

imshow( "平滑處理-輸出", out ); 

waitKey( 0 ); 
}

blur函數(shù)API資料：

使用歸一化塊濾波器進(jìn)行模糊圖片操作。

C++: void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT ) 參數(shù)src – 輸入圖片，可以使是任意通道數(shù)，該函數(shù)對通道是獨(dú)立處理的，但是深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F。dst – 輸出圖片，和輸入圖片相同大小和深度。ksize – 模糊內(nèi)核大小。anchor – 錨點(diǎn)，默認(rèn)值是(-1,-1)，也就是錨點(diǎn)在內(nèi)核的中心。borderType – 用于判斷圖像邊界的模式。

該函數(shù)對圖片進(jìn)行平滑處理利用了下面的內(nèi)核：

$\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}$

調(diào)用blur(src, dst, ksize, anchor, borderType)相當(dāng)于調(diào)用boxFilter(src, dst, src.type(), anchor, true, borderType)。

blur使用的是歸一化塊濾波器，輸出像素值是核窗口內(nèi)像素值的均值( 所有像素加權(quán)系數(shù)相等)。

高斯平滑

下面代碼使用了GaussianBlur來實(shí)現(xiàn)平滑：

復(fù)制代碼代碼如下:

#include "opencv2/core/core.hpp" 

#include "opencv2/highgui/highgui.hpp" 

#include "opencv2/imgproc/imgproc.hpp" 

#include <stdio.h> 

using namespace std; 
using namespace cv;int main( int argc, char** argv ){ 
Mat image; 
image = imread( argv[1]); 

if( argc != 2 || !image.data ){ 
printf("沒有圖片\n"); 
return -1; 
} 

namedWindow( "平滑處理-輸入" ); 
namedWindow( "平滑處理-輸出" ); 

imshow( "平滑處理-輸入", image ); 

Mat out; 

GaussianBlur( image, out, Size( 3, 3 ), 0, 0 ); 

imshow( "平滑處理-輸出", out ); 

waitKey( 0 ); 
}

GaussianBlur函數(shù)API資料：

使用高斯濾波器進(jìn)行模糊操作

C++: void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT) 參數(shù) src – 輸入圖片，可以使是任意通道數(shù)，該函數(shù)對通道是獨(dú)立處理的，但是深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.dst – 輸出圖片，和輸入圖片相同大小和深度。ksize – 高斯內(nèi)核大小。ksize.width和ksize.height允許不相同但他們必須是正奇數(shù)?；蛘叩扔?，由參數(shù)sigma的乘機(jī)決定。sigmaX – 高斯內(nèi)核在X方向的標(biāo)準(zhǔn)偏差。sigmaY – 高斯內(nèi)核在Y方向的標(biāo)準(zhǔn)偏差。如果sigmaY為0，他將和sigmaX的值相同，如果他們都為0，那么他們由ksize.width和ksize.height計(jì)算得出。borderType – 用于判斷圖像邊界的模式。

最有用的濾波器 (盡管不是最快的)。高斯濾波是將輸入數(shù)組的每一個像素點(diǎn)與高斯內(nèi)核卷積將卷積和當(dāng)作輸出像素值。

參考一維高斯函數(shù)，我們可以看見，他是個中間大兩邊小的函數(shù)。

所以高斯濾波器其加權(quán)數(shù)是中間大，四周小的。

其二維高斯函數(shù)為：

　　　　 $G_{0}(x, y) = A e^{ \dfrac{ -(x - \mu_{x})^{2} }{ 2\sigma^{2}_{x} } + \dfrac{ -(y - \mu_{y})^{2} }{ 2\sigma^{2}_{y} } }$

其中 $\mu$ 為均值 (峰值對應(yīng)位置)， $\sigma$ 代表標(biāo)準(zhǔn)差 (變量 $x$ 和變量 $y$ 各有一個均值，也各有一個標(biāo)準(zhǔn)差)。

中值平滑

使用medianBlur執(zhí)行中值平滑：

復(fù)制代碼代碼如下:

#include "opencv2/core/core.hpp" 

#include "opencv2/highgui/highgui.hpp" 

#include "opencv2/imgproc/imgproc.hpp" 

#include <stdio.h> 

using namespace std; 
using namespace cv;int main( int argc, char** argv ){ 
Mat image; 
image = imread( argv[1]); 

if( argc != 2 || !image.data ){ 
printf("沒有圖片\n"); 
return -1; 
} 

namedWindow( "平滑處理-輸入" ); 
namedWindow( "平滑處理-輸出" ); 

imshow( "平滑處理-輸入", image ); 

Mat out; 
medianBlur( image, out, 3); 

imshow( "平滑處理-輸出", out ); 

waitKey( 0 ); 
}

medianBlur函數(shù)API資料：

使用中值濾波器進(jìn)行模糊操作

C++: void medianBlur(InputArray src, OutputArray dst, int ksize) Parameters:src – 支持1、3、4通道圖片輸入，當(dāng)ksize為3或者5時，圖片的深度只能是CV_8U,，CV_16U，或者 CV_32F，對于其他大孔徑尺寸只支持深度為CV_8U。dst – 輸出圖片，和輸入圖片相同大小和深度。ksize – 線性直徑大小，只能是一個大于1的奇數(shù)，例如：3, 5, 7 ...

中值濾波將圖像的每個像素用鄰域 (以當(dāng)前像素為中心的正方形區(qū)域)像素的中值代替。

雙邊平滑

使用bilateralFilter執(zhí)行雙邊平滑：

復(fù)制代碼代碼如下:

#include "opencv2/core/core.hpp" 

#include "opencv2/highgui/highgui.hpp" 

#include "opencv2/imgproc/imgproc.hpp" 

#include <stdio.h> 

using namespace std; 
using namespace cv;int main( int argc, char** argv ){ 
Mat image; 
image = imread( argv[1]); 

if( argc != 2 || !image.data ){ 
printf("沒有圖片\n"); 
return -1; 
} 

namedWindow( "平滑處理-輸入" ); 
namedWindow( "平滑處理-輸出" ); 

imshow( "平滑處理-輸入", image ); 

Mat out; 
bilateralFilter ( image, out, 3, 3*2, 3/2 ); 

imshow( "平滑處理-輸出", out ); 

waitKey( 0 ); 
}

bilateralFilter的API資料：

對一個圖片應(yīng)用雙邊濾波器。

C++: void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, intborderType=BORDER_DEFAULT ) Parameters:src – 源必須是8位或者浮點(diǎn)數(shù)，1或者3通道圖片。dst – 輸出圖片，和輸入圖片相同大小和深度。d – 在濾波過程中使用的各像素鄰域直徑，如果這是一個非整數(shù)，則這個值由sigmaSpace決定。sigmaColor – 顏色空間的標(biāo)準(zhǔn)方差。數(shù)值越大，意味著越遠(yuǎn)的的顏色會被混進(jìn)鄰域內(nèi)，從而使更大的顏色段獲得相同的顏色。sigmaSpace – 坐標(biāo)空間的標(biāo)注方差。數(shù)值越大，以為著越遠(yuǎn)的像素會相互影響，從而使更大的區(qū)域足夠相似的顏色獲取相同的顏色。當(dāng)d>0，d指定了鄰域大小且與sigmaSpace無關(guān)。否則，d正比于sigmaSpace。

原理可參考：

http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html

目前我們了解的濾波器都是為了平滑圖像，問題是有些時候這些濾波器不僅僅削弱了噪聲，連帶著把邊緣也給磨掉了。為避免這樣的情形 (至少在一定程度上 ), 我們可以使用雙邊濾波。

類似于高斯濾波器，雙邊濾波器也給每一個鄰域像素分配一個加權(quán)系數(shù)。這些加權(quán)系數(shù)包含兩個部分, 第一部分加權(quán)方式與高斯濾波一樣，第二部分的權(quán)重則取決于該鄰域像素與當(dāng)前像素的灰度差值。

您可能感興趣的文章: