1.图像模糊
1.1模糊原理
- Smooth/Blur是图像处理中最简单和常用的操作之一
- 使用操作的原因之一就是为了给图像预处理时候减低噪声
- 使用Smooth/Blue操作其背后是数学的卷积运算
- 通常这些卷积算子计算欧式线性操作,所有又叫线性滤波
1.2 相关API
- 均值模糊:blur(Mat src,Mat dst, Size(xradius,yradius),Point(-1,-1));Point(-1,-1)就是指默认正中心
- 高斯模糊:GaussianBlur(Mat src,Mat dst,Size(11,11),sigmax,sigmay);其中Size(x,y),x,y必须是正数而且是奇数
void MyApi::image_blur(Mat& image)
{
Mat dst;
blur(image, dst, Size(3, 3), Point(-1, -1));
namedWindow("均值模糊", WINDOW_AUTOSIZE);
imshow("均值模糊", dst);
GaussianBlur(image, dst, Size(5, 5), 11, 11);
namedWindow("高斯模糊", WINDOW_AUTOSIZE);
imshow("高斯模糊", dst);
}
原图、均值模糊、高斯模糊
2.滤波
2.1中值滤波
2.2双边滤波
去除微小差异,相当于抹平
- 均值模糊无法克服边缘像素信息丢失缺陷。原因是均值滤波是基于平均权重
- 高斯模糊部分克服了该缺陷,但是无法完全避免,因为没有考虑像素值的不同
- 高斯双边模糊是边缘保留的滤波方法,避免了边缘信息丢失,保留了图像轮廓不变
2.3相关API
- 中值模糊:medianBlur(Mat src, Mat dst,ksize)
- 双边模糊:bilateralFilter(src,dst,d=15,150,3)
注:15表示计算的半径,半径之内的像素都会被纳入计算,如果提供-1,则根据sigma space参数取值。150表示sigma color决定多少差值之内的像素会被计算。3表示sigma space如果d的值大于0则声明无效,否则根据它来计算d值,中值模糊的ksize大小必须是大于1而且必须是奇数
void MyApi::image_blur(Mat& image)
{
Mat dst;
blur(image, dst, Size(3, 3), Point(-1, -1));
namedWindow("均值模糊", WINDOW_AUTOSIZE);
imshow("均值模糊", dst);
GaussianBlur(image, dst, Size(5, 5), 11, 11);
namedWindow("高斯模糊", WINDOW_AUTOSIZE);
imshow("高斯模糊", dst);
}