OpenCV 線性濾波

線性濾波

圖像濾波與濾波器

圖像濾波饰豺,指的是在盡量保留圖像特征的條件下對(duì)目標(biāo)圖像得噪聲進(jìn)行抑制连茧,是圖像處理當(dāng)中不可缺少的部分腹侣。

平滑錄播室低頻增強(qiáng)的空間域?yàn)V波技術(shù)乏德,它的目的有兩類(lèi):一類(lèi)是模糊撤奸,一類(lèi)是消除噪音。常見(jiàn)的濾波有:

  • 方框?yàn)V波 -- BoxBlur 函數(shù)
  • 均值濾波 -- Blur 函數(shù)
  • 高斯濾波 -- Gaussianblur 函數(shù)
  • 中值濾波 -- mediaBlur 函數(shù)
  • 雙邊濾波 -- bilateralFilter 函數(shù)

線性濾波簡(jiǎn)介

線性濾波經(jīng)常用于剔除輸入信號(hào)中不想要的頻率或者從許多頻率中選擇一個(gè)想要的頻率喊括。

  • 低通濾波器 允許低頻通過(guò)
  • 高通濾波器 允許高頻通過(guò)
  • 帶通濾波器 允許一定范圍的頻率通過(guò)
  • 帶阻濾波器 允許一定范圍的頻率通過(guò)并阻止其他的頻率通過(guò)
  • 全通濾波器 允許所有頻率通過(guò)胧瓜,只改變相位
  • 陷波濾波器 阻止一個(gè)狹窄頻率范圍通過(guò)

濾波和模糊

  • 高斯濾波是指用高斯函數(shù)作為濾波函數(shù)的濾波操作;
  • 高斯模糊就是高斯低通濾波郑什。

鄰域算子與線性鄰域?yàn)V波

鄰域算子是利用給定像素周?chē)南袼刂禌Q定此像素的最終輸出值的一種算子府喳。線性濾波就是一種常見(jiàn)的鄰域算子。

卷積核卷積

線性濾波處理的輸出像素值g(i , j) 是輸入像素值f(i + k,j + I)的加權(quán)和蹦误,如下:

加權(quán)值和

其中的h(k,l),我們稱(chēng)其為"核"劫拢,時(shí)濾波器的加權(quán)系數(shù),即濾波器的"濾波系數(shù)",f表示輸入像素值,h表示加權(quán)系數(shù)"核",g表示輸出像素值强胰,整體可以簡(jiǎn)單寫(xiě)作:

卷積公式簡(jiǎn)單表達(dá)

常見(jiàn)的線性濾波操作

  • 方框?yàn)V波 -- boxblur函數(shù)
  • 均值濾波 -- blur函數(shù)
  • 高斯濾波 -- GaussianBlur函數(shù)

方框?yàn)V波

void boxFilter(
    InputArray src,
    OutPutArray dst,
    int ddepth,  //輸出圖像的深度舱沧,-1表示原圖深度
    Size ksize,  //內(nèi)核的大小
    Point anchor = Point(-1,-1),  //表示錨點(diǎn),即平滑的那個(gè)點(diǎn)
    boolnormalize = true,  //一個(gè)標(biāo)識(shí)符偶洋,表示內(nèi)核是否被其區(qū)域歸一化
    int borderType = BORDER_DEFAULT  //用于推斷圖像外部像素的某種邊界模式
)

當(dāng)normalize=true的時(shí)候熟吏,方框?yàn)V波就變成了我們熟悉的均值濾波,均值濾波就是方框?yàn)V波歸一化后的特殊情況

方框?yàn)V波

</div>

效果

內(nèi)核大小(5,5) 內(nèi)核大小(7,7)
內(nèi)核大小(5,5)
內(nèi)核大小(7,7)

均值濾波

均值濾波也稱(chēng)為線性濾波玄窝,其采用的主要方法為鄰域平均法牵寺。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值,即對(duì)待處理的當(dāng)前像素點(diǎn)(x恩脂,y)帽氓,選擇一個(gè)模板,該模板由其近鄰的若干像素組成俩块,求模板中所有像素的均值黎休,再把該均值賦予當(dāng)前像素點(diǎn)(x浓领,y),作為處理后圖像在該點(diǎn)上的灰度g(x势腮,y)联贩,即g(x,y)=1/m ∑f(x捎拯,y) m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)泪幌。

void blur(
    InputArray src,
    OutPutArray dst,
    Size ksize,  //內(nèi)核的大小
    Point anchor = Point(-1,-1),  //表示錨點(diǎn),即平滑的那個(gè)點(diǎn)
     int borderType = BORDER_DEFAULT  //用于推斷圖像外部像素的某種邊界模式
)
均值濾波

高斯濾波

從數(shù)學(xué)的角度上來(lái)看署照,圖像的高斯模糊過(guò)程就是圖像與正態(tài)分布作卷積祸泪。

void GaussianBlur(
    InputArray src,
    OutPutArray dst,
    Size ksize,  //高斯內(nèi)核的大小
    double sigmax,   //表示高斯函數(shù)在X方向的標(biāo)準(zhǔn)偏差
    double sigmay = 0,  //表示高斯函數(shù)在Y方向的標(biāo)準(zhǔn)偏差
    int borderType = BORDER_DEFAULT  //用于推斷圖像外部像素的某種邊界模式
)

一維高斯函數(shù)

一維高斯函數(shù)

二維高斯函數(shù)

二維高斯函數(shù)

效果

高斯內(nèi)核大小(5,5) 高斯內(nèi)核大小(9,9)
高斯內(nèi)核大小(5,5)
高斯內(nèi)核大小(9,9)
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市藤树,隨后出現(xiàn)的幾起案子浴滴,更是在濱河造成了極大的恐慌,老刑警劉巖岁钓,帶你破解...
    沈念sama閱讀 212,718評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件升略,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡屡限,警方通過(guò)查閱死者的電腦和手機(jī)品嚣,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,683評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)钧大,“玉大人翰撑,你說(shuō)我怎么就攤上這事“⊙耄” “怎么了眶诈?”我有些...
    開(kāi)封第一講書(shū)人閱讀 158,207評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)瓜饥。 經(jīng)常有香客問(wèn)我逝撬,道長(zhǎng),這世上最難降的妖魔是什么乓土? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,755評(píng)論 1 284
  • 正文 為了忘掉前任宪潮,我火速辦了婚禮,結(jié)果婚禮上趣苏,老公的妹妹穿的比我還像新娘狡相。我一直安慰自己,他們只是感情好食磕,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,862評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布尽棕。 她就那樣靜靜地躺著,像睡著了一般彬伦。 火紅的嫁衣襯著肌膚如雪滔悉。 梳的紋絲不亂的頭發(fā)上蟀悦,一...
    開(kāi)封第一講書(shū)人閱讀 50,050評(píng)論 1 291
  • 那天,我揣著相機(jī)與錄音氧敢,去河邊找鬼。 笑死询张,一個(gè)胖子當(dāng)著我的面吹牛孙乖,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播份氧,決...
    沈念sama閱讀 39,136評(píng)論 3 410
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼唯袄,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了蜗帜?” 一聲冷哼從身側(cè)響起恋拷,我...
    開(kāi)封第一講書(shū)人閱讀 37,882評(píng)論 0 268
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎厅缺,沒(méi)想到半個(gè)月后蔬顾,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,330評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡湘捎,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,651評(píng)論 2 327
  • 正文 我和宋清朗相戀三年诀豁,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片窥妇。...
    茶點(diǎn)故事閱讀 38,789評(píng)論 1 341
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡舷胜,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出活翩,到底是詐尸還是另有隱情烹骨,我是刑警寧澤,帶...
    沈念sama閱讀 34,477評(píng)論 4 333
  • 正文 年R本政府宣布材泄,位于F島的核電站沮焕,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏脸爱。R本人自食惡果不足惜遇汞,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 40,135評(píng)論 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望簿废。 院中可真熱鬧空入,春花似錦、人聲如沸族檬。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,864評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)单料。三九已至埋凯,卻和暖如春点楼,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背白对。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,099評(píng)論 1 267
  • 我被黑心中介騙來(lái)泰國(guó)打工掠廓, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人甩恼。 一個(gè)月前我還...
    沈念sama閱讀 46,598評(píng)論 2 362
  • 正文 我出身青樓蟀瞧,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親条摸。 傳聞我的和親對(duì)象是個(gè)殘疾皇子悦污,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,697評(píng)論 2 351

推薦閱讀更多精彩內(nèi)容