opencv幾種常見濾波器使用方法

1、OpenCv中幾種常見的濾波器一. 濾波器的作用1. 問題：數(shù)字圖像信號的頻率分布？回答：信號或者圖像的能量大部分在中低頻段，少部分有用信號在高頻段被噪聲淹沒（噪聲都是高頻信號）。因此設(shè)計濾波器能降低高頻成分幅度就能減弱噪聲影響。2.問題：為什么要進行圖像濾波？回答：1.適應(yīng)圖像處理要求，消除圖像數(shù)字化時所混入的噪聲。 2.提取對象的特征作為圖像識別的特征模式（沒遇到過?。?.問題：如何理解濾波器？回答：把濾波器想象成一個包含加權(quán)系數(shù)的窗口，當使用濾波器平滑處理圖像時，相當于把窗口放到圖像上，透過窗口看圖像。4.問題：濾波器實現(xiàn)的結(jié)果是怎么樣的？回答：對圖像做平滑或濾波后圖像變得更模糊。二 濾

2、波器分類2.1線性濾波器1. 低通濾波器：允許低頻率通過2. 高通濾波器：允許高頻率通過3. 帶通濾波器：允許一定范圍頻率通過4. 帶阻濾波器：阻止一定范圍頻率通過5. 全通濾波器：允許所有頻率通過，只是改變相位 Opencv中提供的線性濾波函數(shù)1.方框濾波：boxFilter函數(shù)函數(shù)原型：void boxFilter (InputArray src,OutputArray dst,int ddepth,Size ksize,Pointanchor=Point(-1,-1),boolnormalize=true,int borderType=BORDER_DEFAULT)參數(shù)說明： Input

3、Array，輸入圖像src。 OutputArray ，輸出圖像dst。 Int類型ddepth，輸出圖像深度，-1代表使用原圖src深度。 Size類型ksize，內(nèi)核大小，一般用Size(w,h)，w為寬度，h為深度。 Point類型anchor，被平滑的點，表示取內(nèi)核中心，默認值Point(-1,-1)。 Bool類型normalize，標識符，表示內(nèi)核是否被歸一化。默認值為true。 Int類型boderType，推斷圖像外部像素的某種邊界模式。默認值BORDER_DEFAULT。2. 均值濾波：blur函數(shù)函數(shù)原型：void blur(InputArray src,OutputArr

4、ay dst,int ddepth,Size ksize,Pointanchor=Point(-1,-1), int borderType=BORDER_DEFAULT)參數(shù)說明：InputArray，輸入圖像src。 OutputArray ，輸出圖像dst。 Int類型ddepth，輸出圖像深度，-1代表使用原圖src深度。 Size類型ksize，內(nèi)核大小，一般用Size(w,h)，w為寬度，h為深度。 Point類型anchor，被平滑的點，表示取內(nèi)核中心，默認值Point(-1,-1)。 Int類型boderType，推斷圖像外部像素的某種邊界模式。默認值BORDER_DEFAULT

5、。 3. 高斯濾波：GaussianBlur函數(shù)函數(shù)原型：void GaussianBlur(InputArray src,OutputArray dst, Size ksize,double sigmaX,double sigmaY=0, int borderType=BORDER_DEFAULT)參數(shù)說明：InputArray，輸入圖像src。 OutputArray ，輸出圖像dst. Size類型ksize，內(nèi)核大小，一般用Size(w,h)，w為寬度，h為深度。 double類型的sigmaX,表示高斯核函數(shù)在X方向上的標準偏差。 Double類型的sigmaY，表示高斯核函數(shù)在Y方

6、向上的標準偏差， sigmaY有默認值為0.如果sigmaX和sigmaY都為0，由內(nèi)核的寬高計算出來。 Int類型boderType，推斷圖像外部像素的某種邊界模式。默認值BORDER_DEFAULT。4. 補充：boxblur函數(shù)中的參數(shù)normalize，當normalize=true時為均值濾波。言外之意，均值濾波是方框濾波歸一化后的特殊情況。 線性濾波器的計算方法圖注：鄰域濾波（卷積）：左邊圖像與中間圖像的卷積產(chǎn)生右邊圖像。目標圖像中藍色標記的像素是利用原圖像中紅色標記的像素計算得到的。線性濾波處理的輸出像素值是輸入像素值的加權(quán)和 : 其中的加權(quán)和為 ，我們稱其為“核”，濾

7、波器的加權(quán)系數(shù)，即濾波器的“濾波系數(shù)”。上面的式子可以簡單寫作： 其中f表示輸入像素值，h表示加權(quán)系數(shù)“核“，g表示輸出像素值。舉例說明：對待處理的當前像素，選擇一個內(nèi)核大小，該內(nèi)核為其鄰近的若干個像素組成，用內(nèi)核的均值來替代原像素的值的方法。取出圖像中的幾個像素點，并標注需要處理的像素點F(X,Y)1234F(X,Y)5 678圖注：18為(x,y)的鄰近像素設(shè)置內(nèi)核大小通過均值濾波器后其計算為：F(X,Y)= (f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x

8、,y) + f(x+1,y) + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1)/9設(shè)置內(nèi)核大小通過方框濾波器后其計算為：F(X,Y)= f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y) + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1)通過高斯

9、濾波器利用公式：代入x,y 值可以算出F(X,Y)的值。2.2 非線性濾波器1.中值濾波：像素點 鄰域灰度值的中值代替該像素點的灰度值。2.雙邊濾波：基于空間分布的高斯濾波函數(shù)，比高斯濾波多一個sigma-d的高斯方差。 Opencv中提供的非線性濾波函數(shù)1.中值濾波：medianBlur函數(shù)函數(shù)原型：void medianBlur(InputArray src,OutputArray dst,int ksize)參數(shù)說明：InputArray，輸入圖像src。 OutputArray ，輸出圖像dst. int類型ksize，孔徑的線性尺寸，這個參數(shù)必須是大于1的奇數(shù)2.雙邊濾波：bilat

10、eralFilter(InputArray src,OutputArray dst, int d, double sigmaColor,double sigmaSpace, int borderType=BORDER_DEFAULT)參數(shù)說明：InputArray，輸入圖像src。 OutputArray ，輸出圖像dst. Int類型的d，表示過濾過程每個像素鄰域的直徑 double類型的sigmaColor,表示顏色濾波器的sigma值 Double類型的sigmaSpace，表示坐標空間的sigma值 Int類型boderType，推斷圖像外部像素的某種邊界模式。默認值BORDER_DE

11、FAULT。)三 幾種濾波器的使用本示例在opencv3.0+VS2012運行環(huán)境下測試，不管利用opencv或者VS什么版本其實程序都是一樣的。只不過在包含頭文件時注意位置就好了。#include<opencv2/opencv.hpp>using namespace cv;using namespace std;#define WINDOWS_NAME1 "【原圖】"#define WINDOWS_NAME2 "【方框濾波】"#define WINDOWS_NAME3 "【均值濾波】"#define WINDOWS_NA

12、ME4 "【高斯濾波】"#define WINDOWS_NAME5 "【中值濾波】"#define WINDOWS_NAME6 "【雙邊濾波】"int main()system("color 5E");/把dos框背景顏色改變，只是看看效果，默認dos框背景為黑色。Mat srcImage=imread("D:ProgramFiles圖片Example4.jpg");/讀入原圖if (!srcImage.data)cout<<"讀取srcImage錯誤！"<

13、<endl;/用到了輸入輸出流，頭文件要加“using namespace std;”return false;/創(chuàng)建5個Mat矩陣用來存放濾波數(shù)據(jù)，利用clone函數(shù)使其大小和原圖大小相同 Mat box_Image=srcImage.clone();Mat blur_Image=srcImage.clone();Mat gaussian_Image=srcImage.clone();Mat median_Image=srcImage.clone();Mat bilateral_Image=srcImage.clone();/=顯示原圖=namedWindow(WINDOWS_NAME

14、1,1);imshow(WINDOWS_NAME1,srcImage);/=方框濾波=namedWindow(WINDOWS_NAME2,1);boxFilter(srcImage,box_Image,-1,Size(3,3),Point(-1,-1),false,BORDER_DEFAULT);imshow(WINDOWS_NAME2,box_Image);/=均值濾波=namedWindow(WINDOWS_NAME3,1);blur(srcImage,blur_Image,Size(3,3),Point(-1,-1),BORDER_DEFAULT);imshow(WINDOWS_NAME3,blur_Image);/=高斯濾波=namedWindow(WINDOWS_NAME4,1);GaussianBlur(srcImage,gaussian_Image,Size(3,3),0,0,BORDER_DEFAULT);imshow(WINDOWS_NAME4,gaussian_Image);/=中值濾波=namedWindow(WINDOWS_NAME5,1);median