OpenCV平滑圖像

目標(biāo)

在本教程中，您將學(xué)習(xí)如何使用多種線性濾鏡來平滑使用OpenCV功能的圖像，如：

• CV ::模糊
• CV ::高斯模糊
• CV :: medianBlur
• CV ::雙邊濾波器

理論

注意

下面的解釋屬于計(jì)算機(jī)視覺： Richard Szeliski和LearningOpenCV的算法和應(yīng)用

• 平滑，也稱為模糊，是一種簡單而經(jīng)常使用的圖像處理操作。
• 平滑的原因很多。在本教程中，我們將專注于平滑以減少噪音（其他用途將在以下教程中看到）。
• 要執(zhí)行平滑操作，我們將對我們的圖像應(yīng)用過濾器。最常見的濾波器類型是線性的，其中輸出像素的值(i.e. g(i,j))，被確定為輸入像素值的加權(quán)和 (i.e. f(i+k,j+l)) :

被稱為內(nèi)核，它只不過是濾波器的系數(shù)。h(k,l)

它有助于將過濾器可視化為跨越圖像滑動的系數(shù)窗口。

• 有很多種過濾器，這里我們將提到最常用的：

歸一化框過濾器

• 這個過濾器是最簡單的！每個輸出像素是其內(nèi)核鄰居的均值（均為相等權(quán)重）
• 內(nèi)核如下：

高斯濾波器

• 可能是最有用的過濾器（雖然不是最快的）。高斯濾波是通過將輸入數(shù)組中的每個點(diǎn)與高斯核進(jìn)行卷積來完成的，然后將它們相加以產(chǎn)生輸出數(shù)組。
• 只是為了使圖片更清晰，記住一維高斯內(nèi)核的樣子？

假設(shè)圖像為1D，您可以注意到位于中間的像素將具有最大的權(quán)重。其鄰居的權(quán)重隨著它們與中心像素之間的空間距離的增加而減小。

其中是平均值（峰值），\ sigma表示方差（每個變量x和y）μσX?

中值濾波器

中值濾波器遍歷信號的每個元素（在這種情況下為圖像），并用其相鄰像素的中位數(shù)（位于估計(jì)像素周圍的正方形鄰域）中替換每個像素。

雙邊過濾器

• 到目前為止，我們已經(jīng)解釋了一些過濾器，其主要目標(biāo)是平滑輸入圖像。然而，有時過濾器不僅可以消除噪音，還可以使邊緣平滑。為了避免這種情況（至少在一定程度上），我們可以使用雙邊篩選器。
• 以與高斯濾波器類似的方式，雙邊濾波器也考慮相鄰像素，其權(quán)重分配給它們。這些權(quán)重具有兩個分量，其中第一個是高斯濾波器使用的相同加權(quán)。第二個組件考慮了相鄰像素與被評估的像素之間的強(qiáng)度差異。
• 有關(guān)更詳細(xì)的說明，您可以查看此鏈接

Code

• 這個程序是做什么的？加載圖像應(yīng)用4種不同的過濾器（在理論中解釋），并順序顯示過濾的圖像
• 可下載的代碼：點(diǎn)擊這里
• 代碼一覽：

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace std;
using namespace cv;
int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;
Mat src; Mat dst;
char window_name[] = "Smoothing Demo";
int display_caption( const char* caption );
int display_dst( int delay );
int main( void )
{
  namedWindow( window_name, WINDOW_AUTOSIZE );
  src = imread( "../data/lena.jpg", IMREAD_COLOR );
  if( display_caption( "Original Image" ) != 0 ) { return 0; }
  dst = src.clone();
  if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; }
  if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { blur( src, dst, Size( i, i ), Point(-1,-1) );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { GaussianBlur( src, dst, Size( i, i ), 0, 0 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Median Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { medianBlur ( src, dst, i );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { bilateralFilter ( src, dst, i, i*2, i/2 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  display_caption( "End: Press a key!" );
  waitKey(0);
  return 0;
}
int display_caption( const char* caption )
{
  dst = Mat::zeros( src.size(), src.type() );
  putText( dst, caption,
           Point( src.cols/4, src.rows/2),
           FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );
  imshow( window_name, dst );
  int c = waitKey( DELAY_CAPTION );
  if( c >= 0 ) { return -1; }
  return 0;
}
int display_dst( int delay )
{
  imshow( window_name, dst );
  int c = waitKey ( delay );
  if( c >= 0 ) { return -1; }
  return 0;
}

說明

• 讓我們檢查僅涉及平滑過程的OpenCV函數(shù)，因?yàn)楝F(xiàn)在已經(jīng)知道其余的。
• 歸一化塊過濾器

OpenCV提供函數(shù)cv :: blur來使用此過濾器進(jìn)行平滑處理。

  for（int i = 1; i <MAX_KERNEL_LENGTH; i = i + 2）
      { blur（src，dst，Size（i，i），Point（-1，-1））;
        if（display_dst（DELAY_BLUR）！= 0）{ return 0; }}

我們指定4個參數(shù)（更多詳細(xì)信息，請參閱參考）：

1. src：源圖像
2. dst：目標(biāo)圖像
3. Size（w，h）：定義要使用的內(nèi)核的大?。▽挾葹閣像素和高度h像素）
4. Point（-1，-1）：表示相對于鄰域的錨點(diǎn)（被評估的像素）的位置。如果存在負(fù)值，則內(nèi)核的中心被認(rèn)為是錨點(diǎn)。

• 高斯濾波器
  

它由函數(shù)cv :: GaussianBlur執(zhí)行：

  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { GaussianBlur( src, dst, Size( i, i ), 0, 0 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

這里我們使用4個參數(shù)（更多細(xì)節(jié)，請查看OpenCV參考）：

1. src：源圖像
2. dst：目標(biāo)圖像
3. 大?。╳，h）：要使用的內(nèi)核的大?。ㄒ紤]的鄰居）。和必須是奇數(shù)和正數(shù)，否則將使用和參數(shù)計(jì)算大小。w ^HσXσ?
4. σX：的標(biāo)準(zhǔn)偏差。寫意味著使用內(nèi)核大小計(jì)算。0σX
5. σ?：的標(biāo)準(zhǔn)偏差。寫意味著使用內(nèi)核大小計(jì)算。0σ?

• 中值濾鏡：
  

這個過濾器由cv :: medianBlur函數(shù)提供：

  for（int i = 1; i <MAX_KERNEL_LENGTH; i = i + 2）
      { medianBlur（src，dst，i）;
        if（display_dst（DELAY_BLUR）！= 0）{ return 0; }}

我們使用三個參數(shù)：

1. src：源圖像
2. DST：目標(biāo)圖像，必須是相同的類型的src
3. i：內(nèi)核的大?。ㄖ挥幸粋€，因?yàn)槲覀兪褂靡粋€方形窗口）。必須奇怪

• 雙邊過濾器
  

由OpenCV函數(shù)cv :: bilateralFilter提供

  for（int i = 1; i <MAX_KERNEL_LENGTH; i = i + 2）
      { bilateralFilter（src，dst，i，i * 2，i / 2）;
        if（display_dst（DELAY_BLUR）！= 0）{ return 0; }}

我們使用5個參數(shù)：

1. src：源圖像
2. dst：目標(biāo)圖像
3. d：每個像素鄰域的直徑。
4. ：顏色空間中的標(biāo)準(zhǔn)偏差。σCo l o r
5. ：坐標(biāo)空間中的標(biāo)準(zhǔn)偏差（以像素為單位）σ小號p 一個? ?

結(jié)果

• 代碼打開一個圖像（在這種情況下為lena.jpg），并在4個過濾器的效果下顯示。
• 這是使用medianBlur進(jìn)行平滑的圖像的快照：