php网站开发pdf,做公司网站麻烦吗,wordpress 不漂亮,陇南网站网站建设OpenCV filter2D将图像与内核进行卷积#xff0c;将任意线性滤波器应用于图像。支持就地操作。当孔径部分位于图像之外时#xff0c;该函数根据指定的边界模式插值异常像素值。
卷积核本质上是一个固定大小的系数数组#xff0c;数组中的某个元素被作为锚点#xff08;一般…OpenCV filter2D将图像与内核进行卷积将任意线性滤波器应用于图像。支持就地操作。当孔径部分位于图像之外时该函数根据指定的边界模式插值异常像素值。
卷积核本质上是一个固定大小的系数数组数组中的某个元素被作为锚点一般是数组的中心。
上面讲了线性滤波的实质就是计算相关相关计算的具体步骤如下
将卷积核的锚点放在某个目标像素上卷积核的其他部分就会覆盖目标像素的邻近像素将卷积核上的系数与被覆盖的像素的值相乘然后将积加总将加总的和赋予目标像素对图像上的所有像素都应用以上步骤直到每个像素都被当作目标像素进行了计算。
函数
void cv::filter2D(InputArray src,OutputArray dst,int ddepth,InputArray kernel,Point anchor Point(-1, -1),double delta 0,int borderType BORDER_DEFAULT
)src 输入图像dst 输出图像与 src 大小相同、通道数相同ddepth 目标图像的所需深度kernel 卷积核或者更确切地说是相关核单通道浮点矩阵如果要将不同的内核应用于 不同的通道请使用 split 将图像分割为单独的颜色平面并单独处理它们。anchor 内核的锚点指示内核中过滤点的相对位置锚应该位于内核内默认值-1-1 表示锚点位于内核中心。delta 在将过滤像素存储到 dst 之前添加到过滤像素的可选值。borderType 像素外推方法。可以选以下几种BORDER_CONSTANTBORDER_REPLICATEBORDER_REFLECTBORDER_REFLECT_101BORDER_TRANSPARENTBORDER_REFLECT101BORDER_DEFAULTBORDER_ISOLATED。OpenCV filter2D函数应用
使用OpenCV filter2D函数通过改变卷积核kernel可达成不同的滤波效果。下面就OpenCV filter2D函数的几种常用场景做说明并以实例做演示。
图像锐化
图像锐化使用的卷积核如下 Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0); 下面以实例演示图像锐化操作及锐化效果示例代码如下
void QuickDemo::nineth(Mat image) {Mat sharpenImage;Mat kernel (Mat_int(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0);filter2D(image, sharpenImage, image.depth(), kernel, Point(-1, -1), 0);namedWindow(锐化, WINDOW_AUTOSIZE);imshow(锐化, sharpenImage);
} 可以看到经过Filter2D滤波后的图像变得更清晰。 均值滤波
OpenCV filter2D函数实现均值滤波的卷积核如下 Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1) / 9; 下面以实例演示filter2D实现图像均值滤波操作及滤波效果示例代码如下
void QuickDemo::nineth(Mat image) {Mat blurImage;Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1)/9;filter2D(image, blurImage, image.depth(), kernel, Point(-1, -1));namedWindow(均值滤波, WINDOW_AUTOSIZE);imshow(均值滤波, blurImage);
} 可以看出均值滤波可以去除图像椒盐噪声达到磨皮效果。 高斯滤波
OpenCV filter2D函数实现高斯滤波的卷积核可由高斯核转换得到方法如下 Mat kernelGaussian getGaussianKernel(9, 1.5); Mat kernel kernelGaussian * kernelGaussian.t() getGaussianKernel( int ksize, double sigma, int ktype CV_32F ); 参数说明 ksize高斯核的大小。它必须是大于零的奇数。 sigma高斯核的标准差。如果它等于零那么根据ksize自动选择。 ktype矩阵的类型。默认值为CV_32F。 返回值 一个ksize x 1的列矩阵表示高斯核。 下面以实例演示filter2D实现图像高斯滤波操作及滤波效果示例代码如下
void QuickDemo::nineth(Mat image) {Mat gauBlurImage;//Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1)/9;Mat kernelGaussian getGaussianKernel(9, 1.5);Mat kernel kernelGaussian * kernelGaussian.t();filter2D(image, gauBlurImage, image.depth(), kernel, Point(-1, -1));namedWindow(高斯滤波, WINDOW_AUTOSIZE);imshow(高斯滤波, gauBlurImage);
} 可以看出同样filter2D均高斯滤波同样可以去除图像椒盐噪声达成磨皮效果且所需次数更少。 边缘检测 filter2D还可以使用sobel内核实现边缘检测soble内核如下 Mat sobelX (Mat_float(3, 3) -1, 0, 1,-2, 0, 2,-1, 0, 1); Mat sobelY (Mat_float(3, 3) -1, -2, -1,0, 0, 0,1, 2, 1); 下面以实例演示filter2D 用sobel核实现图像边缘检测操作及滤波效果示例代码如下
void QuickDemo::nineth(Mat image) {threshold(image, image, 200, 255, THRESH_BINARY);Mat sobelX (Mat_float(3, 3) -1, 0, 1, -2, 0, 2, -1, 0, 1);Mat sobelY (Mat_float(3, 3) -1, -2, -1, 0, 0, 0, 1, 2, 1);Mat edges, edgesX, edgesY;filter2D(image, edgesX, CV_16S, sobelX);filter2D(image, edgesY, CV_16S, sobelY);convertScaleAbs(edgesX, edgesX);convertScaleAbs(edgesY, edgesY);addWeighted(edgesX,0.5,edgesY,0.5,0,edges);namedWindow(边缘检测, WINDOW_AUTOSIZE);imshow(边缘检测, edges);
} 可以看出确实检测到了边缘效果并不是很好。 filter2D还可以使用Prewitt核实现边缘检测。Prewitt核如下 Mat prewitt_x (Mat_int(3, 3) -1, 0, 1, -1, 0, 1, -1, 0, 1); Mat prewitt_y (Mat_int(3, 3) -1, -1, -1,0, 0, 0, 1, 1, 1); 下面以实例演示filter2D 用Prewitt核实现图像边缘检测操作及滤波效果示例代码如下
void QuickDemo::nineth(Mat image) {threshold(image, image, 127, 255, THRESH_BINARY);Mat prewitt_x (Mat_int(3, 3) -1, 0, 1, -1, 0, 1, -1, 0, 1);Mat prewitt_y (Mat_int(3, 3) -1, -1, -1, 0, 0, 0, 1, 1, 1);Mat edges, edgesX, edgesY;filter2D(image, edgesX, CV_16S, prewitt_x );filter2D(image, edgesY, CV_16S, prewitt_y );convertScaleAbs(edgesX, edgesX);convertScaleAbs(edgesY, edgesY);addWeighted(edgesX,0.5,edgesY,0.5,0,edges);namedWindow(边缘检测, WINDOW_AUTOSIZE);imshow(边缘检测, edges);
} 从结果可以看出filter2D使用Prewitt核检测边缘的结果与使用sobel核边缘检测的结果是有差异的。
