opencv几种常见滤波器使用方法

1、opencv 中几种常见的滤波器一. 滤波器的作用1. 问题：数字图像信号的频率分布？低高频成分幅度就能减弱噪声影响。回答：信号或者图像的能量大部分在中低频段，少部分有用信号在高频段被噪声沉没（噪声都是高频信号）。因此设计滤波器能降2. 问题：为什么要进行图像滤波？回答：1.适应图像处理要求，消退图像数字化时所混入的噪声。2. 提取对象的特征作为图像识别的特征模式（没遇到过！）3. 问题：如何理解滤波器？回答：把滤波器想象成一个包含加权系数的窗口，当使用滤波器平滑处理图像时，相当于把窗口放到图像上，透过窗口看图像。4. 问题：滤波器实现的结果是怎么样的？回答：对图像做平滑或滤波后图像变得更模糊

2、。二 滤波器分类2.1 线性滤波器1. 低通滤波器：允许低频率通过2. 高通滤波器：允许高频率通过3. 带通滤波器：允许肯定范围频率通过4. 带阻滤波器：阻挡肯定范围频率通过5. 全通滤波器：允许全部频率通过，只是转变相位2.1.1 opencv 中供应的线性滤波函数1. 方框滤波：boxfilter 函数函数原型：void boxfilter (inputarray src,outputarray dst,int ddepth,size ksize,pointanchor=point(-1,-1),boolnormalize=true,int bordertype=border_defaul

3、t)参数说明： inputarray，输入图像 src。outputarray ，输出图像 dst。int 类型 ddepth，输出图像深度，-1 代表使用原图 src 深度。size 类型 ksize，内核大小，一般用 size(w,h)，w 为宽度，h 为深度。point 类型 anchor，被平滑的点，表示取内核中心，默认值 point(-1,-1)。bool 类型 normalize，标识符，表示内核是否被归一化。默认值为 true。int 类型 bodertype，推断图像外部像素的某种边界模式。默认值 border_default。2. 均值滤波：blur 函数函数原型：void

4、blur(inputarray src,outputarray dst,int ddepth,size ksize,pointanchor=point(-1,-1), int bordertype=border_default)参数说明：inputarray，输入图像 src。outputarray ，输出图像 dst。int 类型 ddepth，输出图像深度，-1 代表使用原图 src 深度。size 类型 ksize，内核大小，一般用 size(w,h)，w 为宽度，h 为深度。point 类型 anchor，被平滑的点，表示取内核中心，默认值 point(-1,-1)。int 类型 bo

5、dertype，推断图像外部像素的某种边界模式。默认值 border_default。3. 高斯滤波：gaussianblur 函数函数原型： void gaussianblur(inputarray src,outputarray dst, size ksize,double sigmax,double sigmay=0,int bordertype=border_default)参数说明：inputarray，输入图像 src。outputarray ，输出图像 dst.size 类型 ksize，内核大小，一般用 size(w,h)，w 为宽度，h 为深度。double 类型的 sigm

6、ax,表示高斯核函数在 x 方向上的标准偏差。double 类型的 sigmay，表示高斯核函数在 y 方向上的标准偏差， sigmay 有默认值为 0.假如 sigmax 和 sigmay 都为 0， 由内核的宽高计算出来。int 类型 bodertype，推断图像外部像素的某种边界模式。默认值 border_default。4. 补充：boxblur 函数中的参数 normalize，当 normalize=true 时为均值滤波。言外之意，均值滤波是方框滤波归一化后的特别状况。2.1.2 线性滤波器的计算方法图注：邻域滤波（卷积）：左边图像与中间图像的卷积产生右边图像。目标图像中蓝色标记

7、的像素是利用原图像中红色标记的像素计算得到的。线 性 滤 波 处 理 的 输 出 像 素 值 的加权和 :是 输 入 像 素 值其中的加权和为 ，我们称其为“核”，滤波器的加权系数，即滤波器的“滤波系数”。上面的式子可以简洁写作：举例说明：其中f 表示输入像素值，h 表示加权系数“核“，g 表示输出像素值。对待处理的当前像素，选择一个内核大小，该内核为其邻近的若干个像素组成，用内核的均值来替代原像素的值的方法。取出图像中的几个像素点，并标注需要处理的像素点 f(x,y)1234f(x,y)5678图注：18 为(x,y)的邻近像素设置内核大小通过均值滤波器后其计算为：f(x,y)=(f(x-1

8、,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)/9设置内核大小通过方框滤波器后其计算为：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)通过高斯滤波器利用公式：代入x,y 值可以算出f(x,y)的值。2.2 非线性滤波器1. 中值滤波：像素点 邻域灰度值的中值代替该像素点的灰度值。2

9、. 双边滤波：基于空间分布的高斯滤波函数，比高斯滤波多一个sigma-d 的高斯方差。2.2.1 opencv 中供应的非线性滤波函数1. 中值滤波：medianblur 函数函数原型：void medianblur(inputarray src,outputarray dst,int ksize)参数说明：inputarray，输入图像 src。outputarray ，输出图像 类型 ksize，孔径的线性尺寸，这个参数必需是大于1 的奇数2. 双边滤波： bilateralfilter(inputarray src,outputarray dst, int d, doub

10、le sigmacolor,double sigmaspace,int bordertype=border_default)参数说明：inputarray，输入图像 src。outputarray ，输出图像 dst.int 类型的 d，表示过滤过程每个像素邻域的直径double 类型的 sigmacolor,表示颜色滤波器的 sigma 值double 类型的 sigmaspace，表示坐标空间的 sigma 值int 类型 bodertype，推断图像外部像素的某种边界模式。默认值 border_default。)三 几种滤波器的使用本示例在 opencv3.0+vs2012 运行环境下测

11、试，不管利用 opencv 或者 vs 什么版本其实程序都是一样的。只不过在包含头文件时留意位置就好了。#include<opencv2/opencv.hpp>using namespace cv;using namespace std;#define windows_name1 “【原图】“ #define windows_name2 “【方框滤波】“ #define windows_name3 “【均值滤波】“#define windows_name4 “【高斯滤波】“#define windows_name5 “【中值滤波】“#define windows_name6 “【双

12、边滤波】“int main()system(“color 5e“);/把dos框背景颜色转变，只是看看效果，默认dos框背景为黑色。mat srcimage=imread(“d:programfiles图片example4.jpg“);/读入原图if (!srcimage.data)cout<<“读取srcimage错误！“<<endl;/用到了输入输出流，头文件要加“using namespace std;”return false;mat box_image=srcimage.clone();/创建5个mat矩阵用来存放滤波数据，利用clone函数使其大 小和原图大

13、小相同 mat blur_image=srcimage.clone();mat gaussian_image=srcimage.clone(); mat median_image=srcimage.clone(); mat bilateral_image=srcimage.clone();/=显示原图=namedwindow(windows_name1,1);imshow(windows_name1,srcimage);/=方框滤波= namedwindow(windows_name2,1); boxfilter(srcimage,box_image,-1,size(3,3),point(-1

14、,-1),false,border_default);imshow(windows_name2,box_image);/=均值滤波= namedwindow(windows_name3,1);blur(srcimage,blur_image,size(3,3),point(-1,-1),border_default);imshow(windows_name3,blur_image);/=高斯滤波=namedwindow(windows_name4,1);imshow(windows_name4,gaussian_image);/=中值滤波=gaussianblur(srcimage,gaussian_image,size(3,3),0,0,borde r_default);namedwindow(windows_name5,1); medianblur(srci