版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、邻域滤波(卷积) 邻域算子值利用给定像素周围像素的值决定此像素的最终输出。如图左边图像与中间图像 卷积禅城右边图像。目标图像中绿色的像素由原图像中蓝色标记的像素计算得到。 通用线性邻域滤波是一种常用的邻域算子,输入像素加权得到输出像素: 斡J) = F f (F+砒+级化。 其中权重核 城V)为“滤波系数”。上面的式子可以简记为: g = 【方框滤波】 最简单的线性滤波是移动平均或方框滤波,用KkK窗口中的像素值平均后输出,核函 数为: 1 L 1 - 1 h-1 1 L 1 1 L hsize.yvith * hisze.height n 1 L 1 . 1 L1 其实等价于图像与全部元素值
2、为 1的核函数进行卷积再进行尺度缩放。 代码 OpenCV中的blur函数是进行标准方框滤波: cpp view pla in copy 1. void cv:blur( InputArray src, OutputArray dst, 2. Size ksize, Point anchor, int borderType ) 3. 4. boxFilter( src, dst, -1, ksize, anchor, true , borderType ); 5. 而boxFilter函数源码如下: cpp view pla in copy 1. cv:Ptr cv:createBoxFilt
3、er(int srcType, int dstType, Size ksize, 2. Point anchor, bool normalize, int borderType ) 3. 4. int sdepth = CV_MAT_DEPTH(srcType); 5. int cn = CV_MAT_CN(srcType), sumType = CV_64F; 6. if ( sdepth = CV_32S 10. sumType = CV_MAKETYPE( sumType, cn ); 11. 11. Ptr rowFilter = getRowSumFilter(srcType, su
4、mType, ksize.width, anc hor.x ); 12. Ptr columnFilter = getColumnSumFilter(sumType, 13. dstType, ksize.height, anchor.y, normalize ? 1./(ksize.width*ksize.height) : 1); 15. 14. return Ptr( new FilterEngine(Ptr(0), rowFilter, columnFilter, 15. srcType, dstType, sumType, borderType ); 16. 这里blur和boxFi
5、lter的区别是,blur是标准化后的boxFilter,即boxFilter的核函 数: normii = true cr = hsizeAvidth * hsize.height 其中, 11af/ipnvis cpp view pla in copy 1. blur( src,dst,Size(1,1 ),Point(-1,-1); 2. blur( src,dst,Size(4,4 ),Point(-1,-1); 3. blur( src,dst,Size(8,8 ),Point(-1,-1); 4. blur( src,dst,Size(16,16), Point(-1,-1); 实
6、验结果 F图是对一幅图像分别用 标准方框滤波后的图像: 1*1,4*4,8*8,16*16 【高斯滤波】 高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。它对去除服从正态 分布的噪声很有效。 常用的零均值离散高斯滤波器函数: g(x) = exp(- 7) 2 CT 2D图像中表示为: 代码 cpp view pla in copy 1. 2. 3. 4. Gaussian Blur */ / 5. cv:Mat cv:getGaussianKernel(int n, double sigma, int ktype ) 6. 7. const int SMALL_GAUSSIAN
7、_SIZE = 7; 8. static const float small_gaussian_tabSMALL_GAUSSIAN_SIZE = 9. 10. 1.f, 11. 0.25f, 0.5f, 0.25f, 12. 0.0625f, 0.25f, 0.375f, 0.25f, 0.0625f, 13. 0.03125f, 0.109375f, 0.21875f, 0.28125f, 0.21875f, 0.109375f, 0.03125f 14. ; 15. 16. const float * fixed_kernel = n % 2 = 1 18. 19. CV_Assert(
8、ktype = CV_32F | ktype = CV_64F ); 20. Mat kernel(n, 1, ktype); 21. float * cf = ( float *)kernel.data; 22. double * cd = ( double *)kernel.data; 23. 24. double sigmaX = sigma 0 ? sigma : (n-1)*0.5 - 1)*0.3 + 0.8; 25. double scale2X = -0.5/(sigmaX*sigmaX); 26. double sum = 0; 27. 28. int i; 29. for
9、( i = 0; i n; i+ ) 30. 31. double x = i - (n-1)*0.5; 32. double t = fixed_kernel ? ( double )fixed_kerneli : std:exp(scale2X*x*x); 33. if ( ktype = CV_32F ) 34. 35. cfi = ( float )t; 36. sum += cfi; 37. 38. else 39. 40. cdi = t; 41. sum += cdi; 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53. 54. 55.
10、 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71. 72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. sum = 1./sum; for ( i = 0; i n; i+ ) if ( ktype = CV_32F ) cfi = ( float )(cfi*sum); else cdi *= sum; return kernel; cv:Ptr cv:createGaussianFilter(int type, Size ksize, d
11、ouble sigma1, double sigma2, int borderType ) int depth = CV_MAT_DEPTH(type); if ( sigma2 = 0 ) sigma2 = sigma1; / automatic detection of kernel size from sigma if ( ksize.width 0 ) ksize.width = cvRound(sigma1*(depth = CV_8U ? 3 : 4)*2 + 1)|1; if ( ksize.height 0 ) ksize.height = cvRound(sigma2*(de
12、pth = CV_8U ? 3 : 4)*2 + 1)|1; CV_Assert( ksize.width 0 sigma1 = std:max( sigma1,0.); sigma2 = std:max( sigma2, 0.); Mat kx = getGaussianKernel( ksize.width, sigma1, std:max(depth, CV_32F); Mat ky; if ( ksize.height = ksize.width else ky = getGaussianKernel( ksize.height, sigma2, std:max(depth, CV_3
13、2F); return createSeparableLinearFilter( type, type, kx, ky, Point(-1,-1), 0, borderType ); 88. 89. void cv:GaussianBlur( InputArray _src, OutputArray _dst. Size ksize, 90. double sigma1, double sigma2, 91. int borderType ) 92. 93. Mat src = _src.getMat(); 94. _dst.create( src.size(), src.type(); 95
14、. Mat dst = _dst.getMat(); 96. 96. if ( borderType != BORDER_CONSTANT ) 97. 98. if ( src.rows = 1 ) 99. ksize.height = 1; 100. if ( src.cols = 1 ) 101. ksize.width = 1; 102. 104. 103. if ( ksize.width = 1 106. return ; 107. 110. 108. #ifdef HAVE_TEGRA_OPTIMIZATION 109. if (sigma1 = 0 111. #endif 115
15、. 112. Ptr f = createGaussianFilter( src.type(), ksize, sigma1, sigma2, borderT ype ); 113. f-apply( src, dst ); 114. 实验结果 F图是对一幅图像分别用1*1,3*3,5*5,9*9标准方框滤波后的图像: 非线性滤波 线性滤波易于构造,且易于从频率响应的角度分析,但如果噪声是散粒噪声而非高斯噪声 时线性滤波不能去除噪声。如图像突然出现很大的值,线性滤波只是转换为柔和但仍可见 的散粒。这时需要非线性滤波。 简单的非线性滤波有 中值滤波,立-截尾均值滤波,定义域滤波和值域滤波。 中值
16、滤波选择每个邻域像素的中值输出;口-截尾均值滤波是指去掉百分率为圧的最小 值和最大值;定义域滤波中沿着边界的数字是像素的距离;值域就是去掉值域外的像素 值。 中值滤波代码 cpp view pla in copy 1. medianBlur ( src, dst, i ); 中值滤波实验 下图是对一幅图像分别用3*3,5*5,7*7,9*9(这里必须是奇数)标准方框滤波后的图像: 【双边滤波】 双边滤波的思想是抑制与中心像素值差别太大的像素,输出像素值依赖于邻域像素值的加 权合: 工仗)诫丿和) 权重系数 取决于定义域核 犯丿肿)= exp( ) 和依赖于数据的值域核 rQ.jJ,/) = e
17、xp(- 2刁 的乘积。相乘后会产生依赖于数据的双边权重函数: 亠匸珂*十(丿厅 双边滤波源码 cpp view pla in copy Bilateral Filtering namespace cv static void bilateralFilter_8u( const Mat int i, j, k, maxk, radius; Size size = src.size(); CV_Assert( (src.type() = CV_8UC1 | src.type() = CV_8UC3) if ( sigma_color = 0 ) sigma_color = 1; if ( sig
18、ma_space = 0 ) sigma_space = 1; double gauss_color_coeff = -0.5/(sigma_color*sigma_color); double gauss_space_coeff = -0.5/(sigma_space*sigma_space); if ( d = 0 ) radius = cvRound(sigma_space*1.5); else radius = d/2; radius = MAX(radius, 1); d = radius*2 + 1; Mat temp; copyMakeBorder( src, temp, rad
19、ius, radius, radius, radius, borderType ); vector _color_weight(cn*256); vector _space_weight(d*d); vector _space_ofs(d*d); 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. float *
20、color_weight = float * space_weight = int * space_ofs = 46. 47. 48. 49. 50. 51. 52. 53. 54. 55. 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71. 72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. 88. 89. /initialize color-related bilateral filter coefficients for ( i = 0;
21、 i 256*cn; i+ ) color_weighti = ( float )std:exp(i*i*gauss_color_coeff); / initialize space-related bilateral filter coefficients for ( i = -radius, maxk = 0; i = radius; i+ ) for ( j = -radius; j radius ) continue ; space_weightmaxk = ( float )std:exp(r*r*gauss_space_coeff); space_ofsmaxk+ = ( int
22、)(i*temp.step + j*cn); for ( i = 0; i size.height; i+ ) const uchar* sptr = temp.data + (i+radius)*temp.step + radius*cn; uchar* dptr = dst.data + i*dst.step; if ( cn = 1 ) for ( j = 0; j size.width; j+ ) float sum = 0, wsum = 0; int val0 = sptrj; for ( k = 0; k there is no need to use CV_CAST_8U dp
23、trj = (uchar)cvRound(sum/wsum); else assert( cn = 3 ); for ( j = 0; j size.width*3; j += 3 ) float sum_b = 0, sum_g = 0, sum_r = 0, wsum = 0; int b0 = sptrj, g0 = sptrj+1, r0 = sptrj+2; 90. for ( k = 0; k maxk; k+ ) 91. 92. const uchar* sptr_k = sptr + j + space_ofsk; 93. int b = sptr_k0, g = sptr_k1, r = sptr_k2; 94. float w = space_weightk*color_weightstd:abs(b - b0) + 95. std:abs(g - g0) + std:abs(r - r0); 96. sum_b += b*w; sum_g += g*w; sum_r += r*w; 97. wsum += w;
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 第5章 重难加强课(四) 植物的激素调节-2024-2025学年高二生物选择性必修1 (配人教版)配套课件
- 冀教版八年级下册《Lesson 21》同步练习卷
- 山西省大同市2025届高三第一次学情调研监测数学试题(原卷版)
- 湖北省黄石市黄石港区四校2024-2025学年七年级上学期第一次月考数学试题
- 2021年北京市中考满分作文《做一粒乐于挑战的种子》
- 云南省昆明市(2024年-2025年小学四年级语文)人教版开学考试(上学期)试卷及答案
- 河南省开封市(2024年-2025年小学四年级语文)人教版能力评测(下学期)试卷及答案
- 山东省淄博市(2024年-2025年小学四年级语文)人教版开学考试((上下)学期)试卷及答案
- 肺癌的围手术期护理
- 《 一维双曲守恒律方程基于指数多项式逼近的间断Petrov-Galerkin方法》范文
- 最新“八小时以外”监督管理情况报告资料
- 课件系解教授小脑
- 新外研版八年级上册M1-M3语法复习
- 质量管理奖惩制度
- 新产品设计开发流程图
- 国家开放大学《理工英语3》章节测试参考答案
- 42脱硫吸收塔防腐工程施工方案
- 深圳国际会展中心(一期)项目钢结构工程非膨胀型防火涂料施工方案(共45页)
- 生物命题的方法和技巧
- [新版]小学二年级2-5乘法口算练习1000道.docx
- 产品外观通用检验方法及标准
评论
0/150
提交评论