opencv几种常见滤波器使用方法

OpenCv一.滤波器的作用问题：数字图像信号的频率分布？低高频成分幅度就能减弱噪声影响。答复：信号或者图像的能量大局部在中低频段，少局部有用信号。因此设计滤波器能降低高频成分幅度就能减弱噪声影响。问题：为什么要进展图像滤波？答复：1.适应图像处理要求，消退图像数字化时所混入的噪声。提取对象的特征作为图像识别的特征模式〕问题：如何理解滤波器？滑处理图像时，相当于把窗口放到图像上，透过窗口看图像。问题：滤波器实现的结果是怎么样的？答复：对图像做平滑或滤波后图像变得更模糊。二．滤波器分类线性滤波器低通滤波器：允许低频率通过高通滤波器：允许高频率通过带通滤波器：允许肯定范围频率通过带阻滤波器：阻挡肯定范围频率通过全通滤波器：允许全部频率通过，只是转变相位Opencv中供给的线性滤波函数方框滤波：boxFilter函数函数原型：voidboxFilter(InputArraysrc,OutputArraydst,intddepth,Sizeksize,Pointanchor=Point(-1,-1),boolnormalize=true,intborderType=BORDER_DEFAULT)src。dst。src深度。h为深度。内核中心，默认normalize，标识符，表示内核是否被归一化。true。均值滤波：blur函数函数原型：voidblur(InputArraysrc,OutputArraydst,intddepth,Sizeksize,Pointanchor=Point(-1,-1)intborderType=BORDER_DEFAULT)。dst。Intddepth，输出图像深度，-1src深度。h为深度。内核中心，默认boderType，推断图像外部像素的某种边界模式。高斯滤波：GaussianBlur函数src,OutputArraydst,Sizeksize,doublesigmaX,doublesigmaY=0,intborderType=BORDER_DEFAULT)。dst.为宽度，h为深度。doublesigmaX,X方向上的标准偏差。DoublesigmaYY方向上的sigmaY0.sigmaXsigmaY0，由内核的宽高计算出来。IntboderType，推断图像外部像素的某种边界模normalizenormalize=true时为均值滤波。言外之意，均值滤波是方框滤波归一化后的特别状况。线性滤波器的计算方法图注：邻域滤波〔卷积边图像。目标图像中蓝色标记的像素是利用原图像中红色标记的像素计算得到的。的加权和:

其中的加权和为上面的式子可以简洁写作：举例说明：其中f表示输入像素值，h表示加权系数“核“，g表示输出像素值。举例说明：个像素组成，用内核的均值来替代原像素的值的方法。F(X,Y)11234F(X,Y)5678图注：1~8为(x,y)的邻近像素设置内核大小通过均值滤波器后其计算为：F(X,Y)=(f(x-1,y-1)+(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,y+1)+f(x+1,y+1))/9设置内核大小通过方框滤波器后其计算为：F(X,Y)=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,y+1)+f(x+1,y+1)通过高斯滤波器利用公式：代入代入x,y值可以算出F(X,Y)的值。非线性滤波器中值滤波：像素点邻域灰度值的中值代替该像素点的灰度值。双边滤波：基于空间分布的高斯滤波函数，比高斯滤波多一个sigma-d的高斯方差。Opencv中供给的非线性滤波函数中值滤波：medianBlur函数函数原型：voidmedianBlur(InputArraysrc,OutputArraydst,intksize)。dst.1的奇数src,OutputArraydst,intd,doublesigmaColor,doublesigmaSpace,intborderType=BORDER_DEFAULT)。dst.Intd，表示过滤过程每个像素邻域的直径sigmaSpacesigma值IntboderType，推断图像外部像素的某种边界模{){三．几种滤波器的使用opencv3.0+VS2023opencvVS留意位置就好了。#include<opencv2/opencv.hpp>usingusingnamespacecv;usingnamespacestd;#defineWINDOWS_NAME1“【原图】“#defineWINDOWS_NAME2“【方框滤波】“#defineWINDOWS_NAME3“【均值滤波】“#defineWINDOWS_NAME4#defineWINDOWS_NAME4“【高斯滤波】“#defineWINDOWS_NAME5“【中值滤波】“#defineWINDOWS_NAME6“【双边滤波】“intmain{system(“colorsystem(“color5E“);//把dos框背景颜色转变，只是看看效果，默认dos框背景为黑色。MatsrcImage=imread(“D:\\ProgramFiles\\图片\\Example4.jpg“);//读入原图if(!srcImage.data)coutcout<<“读取srcImage错误~！“<<endl;//用到了输入输出流，头文件要加“usingnamespacestd;”returnreturnfalse;}Matbox_Image=srcImage.clone;//创立5个Matclone函数使其大Matbox_Image=srcImage.clone;MatMatblur_Image=srcImage.clone;Matgaussian_Image=srcImage.clone;Matmedian_Image=srcImage.clone;Matbilateral_Image=srcImage.clone;//=================显示原图===================//=================显示原图===================namedWindow(WINDOWS_NAME1,1);imshow(WINDOWS_NAME1,srcImage);//=================方框滤波===================namedWindow(WINDOWS_NAME2,1);boxFilter(srcImageboxFilter(srcImage,box_Image,-1,Size(3,3),Point(-1,-1),false,BORDER_DEFAULT);imshow(WINDOWS_NAME2,box_Image);//=================均值滤波===================namedWindow(WINDOWS_NAME3,1);blurblur(srcImage,blur_Image,Size(3,3),Point(-1,-1),BORDER_DEFAULTFAULT);imshow(imshow(WINDOWS_NAME3,blur_Image);//=================高斯滤波===================namedWindow(WINDOWS_NAME4,1);imshow(WINDOWS_NAME4,gaussian_Image);//=================中值滤波===================GaussianBlur(srcImage,gaussian_Image,Size(3,3),0,0,imshow(WINDOWS_NAME4,gaussian_Image);//=================中值滤波===================namedWindow(WINDOWS_NAME5,1);medianBlur(srcImage,median_Image,7);imshow(WINDOWS_NAME5,median_Image);//=================//=================双边滤波============