opencv逆滤波python opencv 滤波

1.扩充边界

void copyMakeBorder(InuptArray src, OutputArray dst, int top , int bottom, int left, int right, int borderType, const Scalar& value=Scalar())

该函数是用来扩展一个图像的边界的，第3～6个参数分别为原始图像的上下左右各扩展的像素点的个数，第7个参数表示边界的类型，如果其为BORDER_CONSTANT，则扩充的边界像素值则用第8个参数来初始化。将src图像扩充边界后的结果保存在dst图像中。

2.滤波

对图像进行滤波平滑是数字图像处理和计算机视觉很重要的一步，滤波是什么，滤波用编程语言怎样实现的，得到的效果怎样。此处是基于Opencv滤波源码的解析，进一步加强滤波的理解，同时学习Opencv编程语言。

  这里介绍了Opencv中常见的4种滤波算法函数来实现滤波，均值滤波，高斯滤波，中值滤波，双边滤波。基于VS2012+Opencv2.4.4平台，新建filter-test控制台工程。

其源码和解析如下：

 

//包含图像处理和界面处理的头文件 #include "stdafx.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
 
//采用cv命名空间和标准命名空间 using namespace std;
using namespace cv;
 
//定义全局变量 int DELAY_CAPTION=1500; //显示标题时延时至少1.5s int DELAY_BLUR=100; //显示每次滤波时延时0.1s int MAX_KERNEL_LENGTH=31;//最大的滤波核长度为31  
Mat src,dst;
char window_name[]="Filter Demo 1:";
 
//函数说明 int display_caption(char *caption);
int display_dst(int delay);
 
//主函数 int main(int argc, _TCHAR* argv[])
{
       namedWindow(window_name,CV_WINDOW_AUTOSIZE);//建立一个窗口
 
       //将lena图片读写到矩阵src        src=imread("../images/lena.jpg",1);
//将Origin Image单词显示在dst图片中，并在窗口中显示1.5s        if(display_caption("Origin Image")!=0){return 0;}
 
       dst=src.clone();//将lena图片复制到dst矩阵中，并显示出来，1.5s        if(display_dst(DELAY_CAPTION)!=0){return 0;}
 
       /*利用均值滤波
其中矩阵滤波的函数原型为void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT)
其中src为滤波前图像矩阵，dst为滤波后图像矩阵，ksize为滤波矩形核，anchor为定标点，如果采用的是Point(-1,-1)则默认为核的中心点，borderType为边缘模式的展开
其滤波公式为：

 

 

也就是利用ksize个像素求平均值而已，很容易理解*/
 
       if(display_caption("Homogeneous Blur")!=0){return 0;}//显示Homogeneous Blur单词1.5s  
       for(int i=1;i<MAX_KERNEL_LENGTH;i=i+2)
       {
              blur(src,dst,Size(i,i),Point(-1,-1));//采用均值滤波函数               if(display_dst(DELAY_BLUR)!=0){return 0;}
       }
 
         //高斯滤波，和上面类似        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;}
       }
 
         //中值滤波，和上面类似        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;}
       }
 
         //双边滤波，和上面类似        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;}
       }
 
       //按任意键停止        display_caption("End:Press a key!");
 
       waitKey(0);
       return 0;
}
//中间显示标题，没有按键触发时返回0 int display_caption(char *caption)
{
         dst=Mat::zeros(src.size(),src.type());
//opencv2.3.1中往图片上加字用putText函数，大家一看就应该知道参数是什么意思了     putText(dst,caption,Point(src.cols/4,src.rows/2),CV_FONT_HERSHEY_COMPLEX,1, Scalar(255,255,255));
 
         imshow(window_name,dst);
 
//延时1.5s，注意在c++中是waitKey，该函数参数如果是非正数的话就直接停止在该位
//置等待按键触发，否则延时至少参数时长ms          int c=waitKey(DELAY_CAPTION);
         if(c>=0){return -1;}
         return 0;
}
 
//显示滤波后的图片，没有按键触发时返回0 int display_dst(int delay)
{
         imshow(window_name,dst);
         int c=waitKey(delay);
         if(c>=0){return -1;}
         else return 0;
}

 

错误一：执行时报错，原来是我的main写错了，写成mian

 

1. 均值滤波：其函数声明为：void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )。

这个函数在上一节中介绍过了，这里简单些一下。

功能：对输入的图像src进行均值滤波后用dst输出。

参数：src和dst当然分别是输入图像和输出图像。size为均值滤波器模板大小。Anchor为锚点（具体什么没看源码不懂），如果为Point(-1,-1)，则锚点是滤波器的中心点。borderType为边缘点插值类型。

理解：以原图对应像素为中心的与模板中心重叠，将模板覆盖领域内全部像素求均值就是滤波后像素的值了。

1. 高斯滤波：其函数声明为： void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT ) ;

功能：对输入的图像src进行高斯滤波后用dst输出。

参数：src和dst当然分别是输入图像和输出图像。Ksize为高斯滤波器模板大小，sigmaX和sigmaY分别为高斯滤波在横线和竖向的滤波系数（有点晦涩，等下解释）。borderType为边缘点插值类型。

理解：数字图像的滤波可以简单的这么理解，就是对原图像的每一个像素滤波，那么对应这个像素滤波后的值是根据其相邻像素（包括自己那个点）与一个滤波模板进行相乘即可。所以具体到高斯滤波，我们只要知道这个高斯滤波的模板即可。

那怎么确定这个模板呢？首先这个模板的大小为ksize，其每个数字的计算是这样的：

 

其中 是归一化系数，因为其和要为1.

为了简化，一般在二维图像处理中，ui和uj取0，sigma1和sigma2取相等。所以公式就简化为 ：

因此很容易就计算出模板每个位置的数字了，简单吧！

但是要注意2点，第一点就是ksize的宽和高必须是奇数；第二点就是如果参数sigmaX=sigmaY=0,则实际用的是公式sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8 .

1. 中值滤波：其函数声明为void medianBlur(InputArray src, OutputArray dst, int ksize)。

功能：对输入的图像src进行中值滤波后用dst输出。

参数：src和dst当然分别是输入图像和输出图像。ksize为均值滤波器模板大小，因为模板为正方形，所以只有一个参数。

理解：以原图对应像素为中心的与模板中心重叠，将模板覆盖领域内全部像素排序后的中间值就是滤波后像素的值了，所以模板长度必须为奇数。

1. 双向滤波：其函数声明为：void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT )

功能：对输入的图像src进行双向滤波后用dst输出。

参数：src和dst当然分别是输入图像和输出图像。d为每个像素领域的直径，sigmaColor为颜色空间的标准偏差，sigmaSpace为坐标空间的标准偏差。borderType为边缘点插值类型。