Image Processing1 (Smoothing Images)

Goal

    blur()：均值滤波
    GaussianBlur()：高斯滤波
    medianBlur()：中值滤波

bilateralFilter()：双边滤波

Theory

理论来源于：《计算机视觉：算法与应用》

均值滤波，高斯滤波以及中值滤波都比较简单，这里不再介绍。

双边滤波用的较少，详细介绍下。

双边介绍的权重有两个部分，其中第一部分的权重与高斯滤波使用的权重相同，第二部分的权重则是用于评估像素之间强度的差异。高斯滤波的思想：在大部分情况下，离中心像素的距离越近，则其权重越大；一般情况下，的确是这个样子，由于图像像素的缓慢变换，然而在图像的额边缘处，由于像素信息较为丰富，并不是这样子；继续使用空域高斯滤波则可能导致图像边缘模糊，因而这里应该根据像素的差异进行评估权重，若是像素颜色，纹理较为相似，则权重赢较大。因而双边滤波添加了另外的一个权重。具体公式如下（毛星云《OpenCV3编程入门》）：

不是俺不放公式，一放公式就待审查。公式上面提高书上的177-178页。

Code

/**
* file Smoothing.cpp
* brief Sample code for simple filters
* author OpenCV team
*/

#include <iostream>
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

using namespace std;
using namespace cv;

// Global Variables
int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;

Mat src; Mat dst;
char window_name[] = "Smoothing Demo";

// Function headers
int display_caption( const char* caption );
int display_dst( int delay );

/**
* function main
*/
int main( int argc, char ** argv )
{
    namedWindow( window_name, WINDOW_AUTOSIZE );

   // Load the source image
    const char* filename = argc >=2 ? argv[1] : "./lena.jpg";

    src = imread( filename, IMREAD_COLOR );
    if(src.empty()){
        printf(" Error opening image\n");
        printf(" Usage: ./Smoothing [image_name -- default ./lena.jpg] \n");
        return -1;
    }

    if( display_caption( "Original Image" ) != 0 ) { return 0; }

    dst = src.clone();
    if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; }

    // Applying Homogeneous blur
    if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; }

   //![blur]
    for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
    { blur( src, dst, Size( i, i ), Point(-1,-1) ); // 原图想，目标图像，内核大小，锚点：平滑的点
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
    //![blur]

    // Applying Gaussian blur
    if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; }

    //![gaussianblur]
    for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
    { GaussianBlur( src, dst, Size( i, i ), 0, 0 ); //原图想，目标图像，内核大小，标准差，标准差
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
    //![gaussianblur]

   // Applying Median blur
    if( display_caption( "Median Blur" ) != 0 ) { return 0; }

    //![medianblur]
    for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
    { medianBlur ( src, dst, i );//原图想，目标图像，相当于size(i,i)
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
    //![medianblur]

    // Applying Bilateral Filter
    if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; }

   //![bilateralfilter]
    for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
    { bilateralFilter ( src, dst, i, i*2, i/2 ); //原图像，目标图像，领域大小，色彩的标准差，空间的标准差
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
    //![bilateralfilter]

    // Done
    display_caption( "Done!" );

    return 0;
}

/**
* @function display_caption
*/
int display_caption( const char* caption )
{
    dst = Mat::zeros( src.size(), src.type() );
    // 图片，文本，点，字体类型，比例因子，颜色
    putText( dst, caption,
             Point( src.cols/4, src.rows/2),
             FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );

    return display_dst(DELAY_CAPTION);
}

/**
* @function display_dst
*/
int display_dst( int delay )
{
    imshow( window_name, dst );
    int c = waitKey ( delay );
    if( c >= 0 ) { return -1; }
    return 0;

}

添加了更详细的注释，这里不再解释。

CMakeLists.txt文件同上一篇，不用修改。

测试结果是一个渐变的过程。放一个中间过程的截图。