OpenCV开发笔记(十七):算法基础之线性滤波对比-方框、均值、高斯滤波

若该文为原创文章,未经允许不得转载
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/104514873
各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究

红胖子(红模仿)的博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等)持续更新中...(点击传送门)

OpenCV开发专栏(点击传送门)

上一篇:《OpenCV开发笔记(十六):算法基础之线性滤波-高斯滤波》

下一篇:《OpenCV开发笔记(十八):算法基础之非线性滤波-中值滤波》

 

前言

      前几篇已经详细研究三种线性滤波,但是对于线性滤波如何选择,还是需要多种图片尝试。

 

三种线性滤波器比较

滤波器类型

基本原理

特点

方框滤波

使用模板内的像素进行卷积

 

均值滤波

使用模板内所有像素的平均值代替模板中心像素灰度值,均值滤波是方框滤波的一种特殊形式

易收到噪声的干扰,不能完全消除噪声,只能相对减弱噪声

高斯滤波

高斯滤波是将输入数组的每一个像素点与高斯内核进行卷积运算。对图像邻域内像素进行平滑时,邻域内不同位置的像素被赋予不同的权值

对图像进行平滑的同时,同时能够更多的保留图像的总体灰度分布特征

 

椒盐噪声

椒盐噪声也称为脉冲噪声,是图像中经常见到的一种噪声,它是一种随机出现的白点或者黑点,可能是亮的区域有黑色像素或是在暗的区域有白色像素(或是两者皆有)。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值,饱和的感应器导致像素值为最大值。

OpenCV开发笔记(十七):算法基础之线性滤波对比-方框、均值、高斯滤波_第1张图片

脉冲噪声

脉冲噪声(pulse noise)在通信中出现的离散型噪声的统称。它由时间上无规则出现的突发性干扰组成。

脉冲噪声(impulsive noise)是非连续的,由持续时间短和幅度大的不规则脉冲或噪声尖峰组成。产生脉冲噪声的原因多种多样,其中包括电磁干扰以及通信系统的故障和缺陷,也可能在通信系统的电气开关和继电器改变状态时产生。

脉冲噪声对模拟数据一般仅是小麻烦。但在数字式数据通信中,脉冲噪声是出错的主要原因。

脉冲噪声,它的持续时间小于1秒、噪声强度峰值比其均方根值大于10dB,而重复频率又小于10Hz的间断性噪声。

脉冲噪声:突然爆发又很快消失,举个例子:持续时间≤0.5s,间隔时间>1s,声压有效值变化≥40dB(A)的噪声。

OpenCV开发笔记(十七):算法基础之线性滤波对比-方框、均值、高斯滤波_第2张图片

(补充:针对噪声,后续会专门写文章对其进行综合分析并进行处理,总结并归纳特点和处理方式还有对应的Demo演示)

 

Demo演示

      分别加载了5不同类型的图做线性滤波,其实差距看起来不是很大,有小点点的可能滤波效果会比较好,但是笔者眼拙没看出很大的区别,但是对于突兀的噪点(椒盐噪点)确实是效果还不错,先滤波然后再锐化,应该就能去掉椒盐噪点。

 

Demo源码

void OpenCVManager::testBoxAndBlurAndGaussianBlurFilter()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    cv::resize(srcMat, srcMat, cv::Size(400, 300));

    qDebug() << __FILE__ <<__LINE__ << srcMat.rows << srcMat.cols;
    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 3, srcMat.rows * 3),
                                srcMat.type());
    bool isBoxFilter = true;
    int ksize = 3;      // 核心大小
    int anchor = -1;    // 锚点, 正数的时候必须小于核心大小,即:-1 <= anchor < ksize
    int ksize2 = 3;      // 核心大小
    int anchor2 = -1;    // 锚点, 正数的时候必须小于核心大小,即:-1 <= anchor < ksize
    int ksize3 = 3;      // 核心大小
    int sigmaX = 0;  // x方向的标准偏差
    int sigmaY = 0;  // y方向的标准偏差
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        cvui::window(windowMat, dstMat.cols, dstMat.rows * 0, dstMat.cols, dstMat.rows, "boxFilter settings");
        cvui::window(windowMat, dstMat.cols, dstMat.rows * 1, dstMat.cols, dstMat.rows, "blurFilter settings");
        cvui::window(windowMat, dstMat.cols, dstMat.rows * 2, dstMat.cols, dstMat.rows, "gaussianBlurFilter settings");
        {
            // 原图先copy到左边
            cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
            cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat);
            // 中间为调整方框滤波参数的相关设置
            // 是否方框滤波
            cvui::checkbox(windowMat, 500, 60, "boxFilter", &isBoxFilter);
            cvui::printf(windowMat, 500, 120, "ksize");
            cvui::trackbar(windowMat, 500, 130, 200, &ksize, 1, 10);
            if(anchor >= ksize)
            {
                anchor = ksize - 1;
            }
            cvui::printf(windowMat, 500, 180, "anchor");
            cvui::trackbar(windowMat, 500, 190, 200, &anchor, -1, ksize-1);

            // 方框滤波
            cv::boxFilter(srcMat,
                          dstMat,
                          -1,
                          cv::Size(ksize, ksize),
                          cv::Point(anchor, anchor),
                          isBoxFilter);

            // 效果图copy到右边
            // 注意:rang从位置1到位置2,不是位置1+宽度
            cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
                                         cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
        }
        {
            // 原图先copy到左边
            cv::Mat leftMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                    cv::Range(0, srcMat.cols));
            cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat);
            // 中间为调整滤波参数的相关设置
            cvui::printf(windowMat, 500, 100 + 300, "ksize");
            cvui::trackbar(windowMat, 500, 110 + 300, 200, &ksize2, 1, 10);
            if(anchor2 >= ksize2)
            {
                anchor2 = ksize2 - 1;
            }
            cvui::printf(windowMat, 500, 160 + 300, "anchor");
            cvui::trackbar(windowMat, 500, 170 + 300, 200, &anchor2, -1, ksize2-1);

            // 均值滤波:方框滤波比均值滤波多了颜色深度的参数
            cv::blur(srcMat,
                     dstMat,
                     cv::Size(ksize2, ksize2),
                     cv::Point(anchor2, anchor2));

            // 效果图copy到右边
            // 注意:rang从位置1到位置2,不是位置1+宽度
            cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                         cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
        }
        {
            // 原图先copy到左边
            cv::Mat leftMat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                        cv::Range(0, srcMat.cols));
            cv::addWeighted(leftMat, 0.0f, srcMat, 1.0f, 0.0f, leftMat);
            // 中间为调整滤波参数的相关设置
            cvui::printf(windowMat, 500, 60 + 600, "ksize = size *  2 + 1");
            cvui::trackbar(windowMat, 500, 70 + 600, 200, &ksize3, 0, 10);

            cvui::printf(windowMat, 500, 120 + 600, "sigmaX");
            cvui::trackbar(windowMat, 500, 130 + 600, 200, &sigmaX, 0, 100);

            cvui::printf(windowMat, 500, 180 + 600, "sigmaY");
            cvui::trackbar(windowMat, 500, 190 + 600, 200, &sigmaY, 0, 100);

            // 高斯滤波
            cv::GaussianBlur(srcMat, dstMat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);

            // 效果图copy到右边
            // 注意:rang从位置1到位置2,不是位置1+宽度
            cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                         cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
        }
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}

 

工程模板:对应版本号v1.12.0

      对应版本号v1.12.0

 

上一篇:《OpenCV开发笔记(十六):算法基础之线性滤波-高斯滤波》

下一篇:《OpenCV开发笔记(十八):算法基础之非线性滤波-中值滤波》

 

原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/104514873

你可能感兴趣的:(#,OpenCV,图形图像处理)