1 图像平滑 图像平滑，可用来对图像进行去噪 （noise reduction） 或 模糊化处理 （blurring），实际上图像平滑仍然属于图像空间滤波的一种 （低通滤波） 既然是滤波，则图像中任一点 （x, y），经过平滑滤波后的输出 g（x, y） 如下：g（x,y）=∑ s=−a a ∑ t=−b b w（s,t）f（x+s,y+t） g（x,y）=∑s=−aa∑t=−bbw（s,t）f（x+s,y+t） 以 3X3 的滤波器为例 （即 a=b=1），则矩阵 Mx 和 Mf 对应的元素乘积之和，就是 g（x, y） 其中，M x =? ? ? w（−1,−1）w（0,−1）w（1,−1） w（−1,0）w（0,0）w（1,0） w（−1,1）w（1,1）w（1,1） ? ? ? M f =? ? ? 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+1,y+1）f（x+1,y+1） ? ? ? Mx=[w（−1,−1）w（−1,0）w（−1,1）w（0,−1）w（0,0）w（1,1）w（1,−1）w（1,0）w（1,1）]Mf=[f（x−1,y−1）f（x−1,y）f（x−1,y+1）f（x,y−1）f（x,y）f（x+1,y+1）f（x+1,y−1）f（x+1,y）f（x+1,y+1）]2 OpenCV 函数 OpenCV 中主要有四个函数涉及到图像平滑，分别是盒式滤波 （box），高斯滤波 （Gaussian），中值滤波 （median），双边滤波 （bilateral）2.1 盒式滤波 输出图像的任一像素灰度值，等于其所有邻域像素灰度值的平均值 模糊化核为，K=α? ? ? ? ? 111 111 ............ 111 111 ? ? ? ? ? K=α[11...1111...11...11...11] 其中，α={1ksize.weidth∗ksize.height 1 when normalize = trueotherwise α={1ksize.weidth∗ksize.heightwhen normalize = true1otherwisevoid cv::boxFilter （ InputArray src, // 输入图像OutputArraydst, // 输出图像intddepth,// 输出图像深度，-1 表示等于 src.depth（）Size ksize, // 模糊化核 （kernel） 的大小Pointanchor = Point（-1,-1）, // 锚点位置，缺省值表示 anchor 位于模糊核的正中心bool normalize = true,// 是否归一化处理intborderType = BORDER_DEFAULT// 边界模式） 取 ddepth = 1，normalize = true，则可以得到模糊化函数 （blur）boxFilter（ src, dst, -1, ksize, anchor, true, borderType ）; 模糊化函数 （blur），本质上是一个输入和输出图像深度 （ddepth） 相同，并且做归一化处理的盒式滤波器void cv::blur （InputArraysrc,OutputArray dst,
Size ksize,Point anchor = Point（-1,-1）,int borderType = BORDER_DEFAULT）2.2 中值滤波 中值滤波最为简单，常用来消除椒盐噪声 输出图像中 （x, y） 点处的像素值，等于输入图像以 （x, y） 为中心点的邻域像素 （ksize x ksize） 平均值void cv::medianBlur （ InputArray src,OutputArraydst,intksize // 滤波器孔径大小，一般为奇数且大于 1，比如 3, 5, 7, ...） 2.3 高斯滤波 高斯滤波最为有用，它是根据当前像素和邻域像素之间，空间距离的不同，计算得出一个高斯核 （邻域像素的加权系数）， 然后，高斯核从左至右、从上到下遍历输入图像，与输入图像的像素值求卷积和，得到输出图像的各个像素值 G 0 （x,y）=Ae −（x−μ x ） 2 2σ 2 x +−（y−μ y ） 2 2σ 2 y G0（x,y）=Ae−（x−μx）22σx2+−（y−μy）22σy2 无须理会公式的复杂，只需要记住一点即可：邻域像素距离当前像素越远 （saptial space），则其相应的加权系数越小 为了便于直观理解，可看下面这个一维高斯核，推而广之将 G（x） 曲线以 x=0 这条轴为中心线，旋转360度可想象其二维高斯核 void cv::GaussianBlur （ InputArray src, OutputArraydst,Sizeksize, // 高斯核的大小doublesigmaX,// 高斯核在x方向的标准差doublesigmaY = 0,// 高斯核在y方向的标准差，缺省为 0，表示 sigmaY = sigmaXint borderType = BORDER_DEFAULT ） 注意： 高斯核的大小 Size（width, height），w 和 h 二者不必相同但必须都是奇数，若都设为 0，则从 sigma 自动计算得出2.4 双边滤波 上面三种方法都是低通滤波，因此在消除噪声的同时，也常会将边缘信息模糊化。双边滤波和高斯滤波类似，但是它将邻域像素的加权系数分为两部分， 第一部分与高斯滤波的完全相同，第二部分则考虑当前像素和邻域像素之间灰度值的差异，从而在消除噪声的基础上，也较好的保留了图像的边缘信息void cv::bilateralFilter （InputArraysrc,OutputArray dst,int d,// 像素邻域直径，若为非正值，则从 sigmaSpace 自动计算得出doublesigmaColor,// 颜色空间的标注方差doublesigmaSpace,// 坐标空间的标准方差int borderType = BORDER_DEFAULT ） 注意 1） 双边滤波相比以上三种滤波方法，其处理速度很慢，因此，一般建议取 d=5 用于实时图像处理，d=9 适合于非实时的图像领域 注意 2） sigmaColor 和 sigmaSpace 可取相同值，一般在 10 ~ 150 之间，小于 10，则没什么效果，大于 150，则效果太强烈，看起来明显“卡通化”3 代码示例
3.1 OpenCV OpenCV 中的示例，通过逐渐增大像素邻域的大小 Size（w, h），将上述滤波过程动态化，非常形象的展示了邻域大小对滤波效果的影响1 /**2* file Smoothing.cpp3* brief Sample code for simple filters4* author OpenCV team5*/6 #include <iostream>7 #include <vector>8 9 #include "opencv2/imgproc/imgproc.hpp" 10 #include "opencv2/imgcodecs.hpp" 11 #include "opencv2/highgui/highgui.hpp" 12 #include "opencv2/features2d/features2d.hpp" 1314 using namespace std; 15 using namespace cv; 1617 /// Global Variables 18 int DELAY_CAPTION = 1500; 19 int DELAY_BLUR = 100; 20 int MAX_KERNEL_LENGTH = 31; 2122 Mat src; Mat dst; 23 char window_name[] = "Smoothing Demo"; 2425 /// Function headers 26 int display_caption（ const char* caption ）; 27 int display_dst（ int delay ）; 282930 /** 31* function main 32*/ 33 int main（ void ） 34 { 35 namedWindow（ window_name, WINDOW_AUTOSIZE ）; 3637 /// Load the source image 38 src = imread（ "../data/lena.jpg", 1 ）; 3940 if（ display_caption（ "Original Image" ） ！= 0 ） { return 0; } 4142 dst = src.clone（）; 43 if（ display_dst（ DELAY_CAPTION ） ！= 0 ） { return 0; } 444546 /// Applying Homogeneous blur 47 if（ display_caption（ "Homogeneous Blur" ） ！= 0 ） { return 0; } 4849 for （ int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ） 50 { blur（ src, dst, Size（ i, i ）, Point（-1,-1） ）; 51 if（ display_dst（ DELAY_BLUR ） ！= 0 ） { return 0; } } 525354 /// Applying Gaussian blur 55 if（ display_caption（ "Gaussian Blur" ） ！= 0 ） { return 0; } 5657 for （ int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ） 58 { GaussianBlur（ src, dst, Size（ i, i ）, 0, 0 ）; 59 if（ display_dst（ DELAY_BLUR ） ！= 0 ） { return 0; } } 606162 /// Applying Median blur 63 if（ display_caption（ "Median Blur" ） ！= 0 ） { return 0; } 6465 for （ int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ） 66 { medianBlur （ src, dst, i ）; 67 if（ display_dst（ DELAY_BLUR ） ！= 0 ） { return 0; } } 686970 /// Applying Bilateral Filter 71 if（ display_caption（ "Bilateral Blur" ） ！= 0 ） { return 0; } 7273 for （ int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ） 74 { bilateralFilter （ src, dst, i, i*2, i/2 ）; 75 if（ display_dst（ DELAY_BLUR ） ！= 0 ） { return 0; } } 7677 /// Wait until user press a key 78 display_caption（ "End: Press a key！" ）; 7980 waitKey（0）; 8182 return 0; 83 } 8485 /** 86* @function display_caption 87*/ 88 int display_caption（ const char* caption ） 89 { 90 dst = Mat::zeros（ src.size（）, src.type（） ）; 91 putText（ dst, caption, 92Point（ src.cols/4, src.rows/2）, 93FONT_HERSHEY_COMPLEX, 1, Scalar（255, 255, 255） ）; 9495 imshow（ window_name, dst ）; 96 int c = waitKey（ DELAY_CAPTION ）; 97 if（ c >= 0 ） { return -1; } 98 return 0; 99 }100 101 /**102* @function display_dst103*/104 int display_dst（ int delay ）105 {106 imshow（ window_name, dst ）;107 int c = waitKey （ delay ）;108 if（ c >= 0 ） { return -1; }109 return 0;110 }View Code3.2 滤波对比 实际中，可直接调用以上四个滤波函数，代码如下： 1 #include "opencv2/imgproc/imgproc.hpp" 2 #include "opencv2/highgui/highgui.hpp" 34 using namespace std; 5 using namespace cv; 67 int main（） 8 { 9 Mat src = imread（"E:/smooth/bird.jpg"）;10 if（src.empty（））return -1;11 12 namedWindow（"original", CV_WINDOW_AUTOSIZE）;13 namedWindow（"blur", CV_WINDOW_AUTOSIZE）;14 namedWindow（"GaussianBlur", CV_WINDOW_AUTOSIZE）;15 namedWindow（"medianBlur", CV_WINDOW_AUTOSIZE）;16 namedWindow（"bilateralFilter", CV_WINDOW_AUTOSIZE）;17 18 imshow（"original", src）;19 20 Mat dst;21 22 blur（src, dst, Size（3,3））;23 imshow（"blur", dst）;24 25 medianBlur（src,dst,3）;26 imshow（"medianBlur",dst）;27 28 GaussianBlur（src,dst,Size（3,3）,0）;29 imshow（"GaussianBlur",dst）;30 31 bilateralFilter（src,dst,9,50,50）;32 imshow（"bilateralFilter",dst）;33 34 waitKey（0）;35 return 0;36 } 四种滤波方法的效果图，如下所示： 参考资料 <Digital Image Processing_3rd> chapter 3 <Learning OpenCV_2nd> <OpenCV Tutorials> imgproc module - Smoothing ImagesOpenCV官方教程中文版（For Python） PDF http://www.linuxidc.com/Linux/2015-08/121400.htmUbuntu Linux下安装OpenCV2.4.1所需包 http://www.linuxidc.com/Linux/2012-08/68184.htmUbuntu 12.04 安装 OpenCV2.4.2 http://www.linuxidc.com/Linux/2012-09/70158.htmCentOS下OpenCV无法读取视频文件 http://www.linuxidc.com/Linux/2011-07/39295.htmUbuntu 12.04下安装OpenCV 2.4.5总结 http://www.linuxidc.com/Linux/2013-06/86704.htmUbuntu 10.04中安装OpenCv2.1九步曲 http://www.linuxidc.com/Linux/2010-09/28678.htm基于QT和OpenCV的人脸识别系统 http://www.linuxidc.com/Linux/2011-11/47806.htm[翻译]Ubuntu 14.04, 13.10 下安装 OpenCV 2.4.9 http://www.linuxidc.com/Linux/2014-12/110045.htmOpenCV的详细介绍：请点这里
OpenCV的下载地址：请点这里本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-05/131280.htm
易网时代-编程资源站