OpenCV学习笔记 imgproc库1.线性滤波

使用-快速上手

参考该博客 三.浅出 部分

原理

线性滤波输出像素值，f为输入图像，h为核 $g(i,j)=\sum _{k,l}f(i+k,j+l)\ast h(k,l)$

方框滤波

void boxFilter(InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), bool normalize=true, int borderType=BORDER_DEFAULT);

参数

src输入图像dst目标图像ddepth输出图像的深度，-1代表使用原图深度ksize内核的大小，用Size(w,h)表示，w为像素宽度，h为像素高度anchor锚点，如果该点坐标为负值表示取核的中心点为锚点normalize内核是否被其区域归一化borderType用于推断图像外部像素的某种边界模式

该函数所用的核为 $$K=a\left[\begin{array}{ccc}1& \cdots & 1\\ ⋮& \ddots & ⋮\\ 1& \cdots & 1\end{array}\right]$$ 当normalize=true时，$a=\frac{1}{w\ast h}$ 当normalize=false时，$a=1$ 下面说到的均值滤波其实就是normalize=true时的方框滤波

均值滤波

实际上这个函数基本上就是直接调用了boxFilter()

void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT);

参数基本同上

高斯滤波

使用示例

#include <opencv2/opencv.hpp> using namespace cv; int main(int argc, char* argv[]) { Mat src; src = imread("D:/Doucuments/temp/opencv_cpp/aete.jpg"); Mat bdst, gbdst; blur(src, bdst, Size(20, 20)); GaussianBlur(src, gbdst, Size(11, 11), 10, 10); namedWindow("src"); namedWindow("blur"); namedWindow("gblur"); imshow("src", src); imshow("blur", bdst); imshow("gblur", gbdst); waitKey(0); return 0; }