Opencv2系列学习笔记8(图像滤波)

一:概念:

滤波是信号处理机图像处理中的一个基本操作。滤波去除图像中的噪声,提取感兴趣的特征,允许图像重采样。

图像中的频域和空域:空间域指用图像的灰度值来描述一幅图像;而频域指用图像灰度值的变化来描述一幅图像。而低通滤波器和高通滤波器的概念就是在频域中产生的。

低通滤波器指去除图像中的高频成分,而高通滤波器指去除图像中的低频成分。

后面将介绍低通滤波器—均值和高斯滤波器;中值滤波器—非线性滤波器;高通滤波器—sobel算子(方向滤波器)和拉普拉斯变换(二阶导数)。其中利用方向滤波器和拉普拉斯变换可以对图像的边缘进行检测。

二:低通滤波器

<1>cv::blur函数:每个像素替换为相邻矩形内像素的平均值

<2>cv::GaussianBlur函数:通过高斯核来进行替换

Code:

Mat result;                              // 线性平滑 滤波  每个像素替换为相邻矩形内像素的平均值
blur(image, result,Size(5,5)); // filter2D可以自定义核进行线性滤波 Mat gauResult;
GaussianBlur(image, gauResult, Size(5,5), 1.5); // 高斯平滑 模糊 线性滤波器

Result:

sourceImage:

Opencv2系列学习笔记8(图像滤波)

BlurResult:

Opencv2系列学习笔记8(图像滤波)

GaussianBlur:

Opencv2系列学习笔记8(图像滤波)

低通滤波器的效果是对图像进行模糊和平滑,减弱了物体边缘可见的快速变化。它是一种线性滤波器,原理是与核进行卷积运算,此时的核内定,当我们需要指定核函数进行卷积时可以用filter2D函数,它的使用见blog:http://blog.csdn.net/lu597203933/article/details/16811851

三:中值滤波器

中值滤波器是非线性滤波器,它的原理是仅仅计算这组数的中值,并用中值替换当前的像素值。因此对于去除椒盐噪点非常有用。

Code:

Mat medianResult;
medianBlur(image, medianResult,5); // 是一个非线性的滤波器,利用中值替换当前的像素值,对于去除椒盐噪点尤为有用

Result:

Opencv2系列学习笔记8(图像滤波)

三:方向滤波器—sobel算子

Sobel算子就是通过卷积操作来计算图像的一阶导数,由于边缘处图像灰度变化率较大,因此可以用sobel算子来进行边缘检测。Sobel算子的核定义为:

y坐标轴:

Opencv2系列学习笔记8(图像滤波)

x坐标轴:

Opencv2系列学习笔记8(图像滤波)

Sobel函数:Sobel(InputArray src, OutputArray dst, int ddepth,

int dx, int dy, int ksize=3,

doublescale=1, double delta=0,

int borderType=BORDER_DEFAULT );

其中ddepth为图像类型, (dx,dy) = (1,0)为x方向导数,(dx,dy) = (0,1)为y方向导数,scale和delta的作用是再保存前可以对图像进行缩放,公式为:dst =dst * scale + delta.

Code:

int main()
{
Mat image = imread("F:\\lena.png", 0);
if(!image.data)
{
cout << "Fail to load image" << endl;
return 0;
}
Mat sobel_x, sobel_y;
//Sobel(image, sobel_x, CV_8U, 1, 0, 3, 0.4, 128);
//Sobel(image, sobel_y, CV_8U, 0, 1, 3, 0.4, 128); Sobel(image, sobel_x, CV_16S, 1, 0); // 因为后面要相加 所以用16位有符号的整数来表示 另外导数肯定含有负数
Sobel(image, sobel_y, CV_16S, 0, 1);
Mat sobel;
sobel = abs(sobel_x) + abs(sobel_y); double sobmin, sobmax;
minMaxLoc(sobel, &sobmin, &sobmax);
Mat sobelImage;
sobel.convertTo(sobelImage, CV_8U, -255.0/sobmax, 255); // 等价于 saturate_cast(a*sobel + b) Mat sobelThresholded;
int thre = 200;
threshold(sobelImage, sobelThresholded, thre, 255, THRESH_BINARY); namedWindow("sobelImage", 0);
imshow("sobelImage", sobelImage);
namedWindow("sobelThresholded", 0);
imshow("sobelThresholded", sobelThresholded); waitKey(0);
return 0;
}

Result:

Opencv2系列学习笔记8(图像滤波)

当然除了sobel算子,还有其它的算子,如Scharr算子,它更精确、快。它的核为:

Opencv2系列学习笔记8(图像滤波)

Sobel(image, sobelX, CV_16S, 1, 0,CV_SCHARR);

或者:

Scharr(image, scharrX, CV_16S, 1, 0, 3);

四:拉普拉斯变换

拉普拉斯变化时基于图像导数的高通滤波器,计算二阶导数以衡量图像的弯曲度

Code:

int main()
{
Mat image = imread("F:\\lena.png", 0);
if(!image.data)
{
cout << "Fail to load image" << endl;
return 0;
}
Mat laplacian;
Laplacian(image, laplacian, CV_16S, 3); // 二阶导数肯定含有负数。。 基于图像导数的高通滤波器,计算二阶导数以衡量图像的弯曲度
laplacian = abs(laplacian);
Mat laplacianImage;
laplacian.convertTo(laplacianImage, CV_8U);
namedWindow("laplacianImage");
imshow("laplacianImage", laplacianImage);
waitKey(0);
return 0; }

Result:

Opencv2系列学习笔记8(图像滤波)

作者:小村长  出处:http://blog.csdn.net/lu597203933 欢迎转载或分享,但请务必声明文章出处。 (新浪微博:小村长zack, 欢迎交流!)

上一篇:Ubuntu 14.04下安装CUDA8.0


下一篇:Ubuntu 14.04 下安装Skype