opencv(22) 线性滤波核心API函数+线性滤波综合实例

本文为毛星云《OpenCV3编程入门》学习记录。

1. 方框滤波：boxFilter函数
   boxFilter的函数作用是使用方框滤波(boxfilter)来模糊一张图片，由src输入，dst输出。
   函数原型如下。
   C++：

   void boxFiLter(InputArray src,OutputArray dst,int ddepth,Size ksize,Point anchor=Point(-1,-1),bool normalize=true,int borderType=BORDER_DEFAULT)
   

   参数详解如下。

• 第一个参数，InputArray类型的src,输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片。但需要注意，待处理的图片深度应该为CV8U、CV16U、CV_16S、CV_32F以及CV64F之一。

• 第二个参数，OutputArray类型的dst,即目标图像，需要和源图片有一样的尺寸和类型。

• 第三个参数，int*型的ddepth,输出图像的深度，-1代表使用原图深度，即src.depth()。

• 第四个参数，Size类型（对Size类型稍后有讲解）的ksize，内核的大小。一般用Size（w，h）来表示内核的大小，其中w为像素宽度，h为像素高度。Size（3，3）就表示33的核大小，Size(5，5）就表示55的核大小。

• 第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点）。注意它有默认值Point(-1,-1),如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point（-1,-1)表示这个锚点在核的中心。

• 第六个参数，bool类型的normalize,默认值为true,一个标识符，表示内核是否被其区域归一化（normalized)了。

• 第七个参数，类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。

  代码范例：

  #include
  #include
  #include
  
  using namespace cv;
  
  int main(){
  	//载入图片
  	Mat image = imread("xiaozhan.jpg");
  
  	//创建窗口
  	namedWindow("方框滤波【原图】");
  	namedWindow("方框滤波【效果图】");
  
  	//显示原图
  	imshow("方框滤波【原图】", image);
  
  	//进行滤波操作
  	Mat out;
  	boxFilter(image, out, -1, Size(5, 5));
  
  	//显示效果图
  	imshow("方框滤波【效果图】", out);
  
  	waitKey(0);
  }
  

2. 均值滤波：blur函数
   blur的作用是对输入的图像src进行均值滤波后用dst输出。
   函数原型如下：
   C++:

   void blur(InputArray rc,OutputArray dst,Size ksize,Point anchor=Point(-1,-1),int borderType = BORDER_DEFAULT);
   

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片。但需要注意的是，待处理的图片深度应该为CV_8U、CV_6U、CV_16S、CV_32F以及CV_64F之一。

• 第二个参数，OutputArray类型的dst,即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。

• 第三个参数，Size类型（对Size类型相后有讲解）的ksize，内核的大小。一般写作Size(w,h)来表示内核的大小（其中，w为像素宽度，h为像素高度)。Size（3，3）就表示3×3的核大小，Size（5，5）就表示5×5的核大小。

• 第四个参数，Point类型的anchor,表示锚点（即被平滑的那个点），注意它有默认值Point(-1,-1)。如果这个点坐标是负值，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

• 第五个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。

  调用代码如下。

  #include
  #include
  #include
  
  using namespace cv;
  
  int main(){
  	//载入图片
  	Mat image = imread("xiaozhan.jpg");
  
  	//创建窗口
  	namedWindow("均值滤波【原图】");
  	namedWindow("均值滤波【效果图】");
  
  	//显示原图
  	imshow("均值滤波【原图】", image);
  
  	//进行滤波操作
  	Mat out;
  	blur(image, out, Size(7, 7));
  
  	//显示效果图
  	imshow("均值滤波【效果图】", out);
  
  	waitKey(0);
  }
  

3. 高斯滤波：GaussianBlur函数
   GaussianBlur函数的作用是用高斯滤波器来模糊一张图片，对输入的图像src进行高斯滤波后用dst输出。
   函数原型如下。
   C++：

   void GaussianBlur(lnputArray src,OutputArray dst,Size ksize,double sigmaX,double sigmaY=0,int borderType=BORDER_DEFAULT)
   

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图片，但需要注意的是，其图片深度应该为CV8U、CV_16U、CV_16S、CV32F以及CV64F之一。

• 第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。

• 第三个参数，Size类型的ksize高斯内核的大小。其中ksize.width和ksize.height可以不同，但它们都必须为正数和奇数，或者是零，这都由sigma计算而来。

• 第四个参数，double类型的sigmaX，表示高斯核函数在X方向的的标准偏差。
  第五个参数，double类型的sigmaY,表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX；如果sigmax和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。

  调用示例如下。

  #include
  #include
  #include
  
  using namespace cv;
  
  int main(){
  	//载入图片
  	Mat image = imread("xiaozhan.jpg");
  
  	//创建窗口
  	namedWindow("高斯滤波【原图】");
  	namedWindow("高斯滤波【效果图】");
  
  	//显示原图
  	imshow("高斯滤波【原图】", image);
  
  	//进行滤波操作
  	Mat out;
  	GaussianBlur(image, out, Size(3, 3), 0, 0);
  
  	//显示效果图
  	imshow("高斯滤波【效果图】", out);
  
  	waitKey(0);
  }
  

12. 图像线性滤波综合示例

#include
#include
#include
#include
using namespace std;
using namespace cv;

//全局变量声明部分
Mat g_srcImage, g_dstImage1, g_dstImage2, g_dstImage3;
//方框滤波参数
int g_nBoxFilterValue = 3;
//均值滤波参数
int g_nMeanBlurValue = 3;
//高斯滤波参数
int g_nGaussianBlurVlaue = 3;

//全局函数声明部分
//轨迹条回调函数
//方框滤波
static void on_BoxFilter(int, void*);
static void on_MeanBlur(int, void*);
static void on_GaussianBlur(int, void*);

//main函数
int main(){
	//改变控制台字体颜色
	system("color5E");

	//载入图像
	g_srcImage = imread("xiaozhan.jpg", 1);
	if (!g_srcImage.data)
	{
		printf("读取srcImage失败！\n");
		return false;
	}

	//复制原图
	g_dstImage1 = g_srcImage.clone();
	g_dstImage2 = g_srcImage.clone();
	g_dstImage3 = g_srcImage.clone();

	//显示原图
	namedWindow("【<0>原图窗口】", 1);
	imshow("【<0>原图窗口】", g_srcImage);

	//方框滤波
	//创建窗口
	namedWindow("【<1>方框滤波】", 1);
	createTrackbar("内核值：","【<1>方框滤波】", &g_nBoxFilterValue, 40, on_BoxFilter);
	on_BoxFilter(g_nBoxFilterValue, 0);
	//imshow("【<1>方框滤波】", g_dstImage1);

	//均值滤波
	//创建窗口
	namedWindow("【<2>均值滤波】");
	createTrackbar("内核值：", "【<2>均值滤波】", &g_nMeanBlurValue, 40, on_MeanBlur);
	on_MeanBlur(g_nMeanBlurValue, 0);

	//高斯滤波
	//创建窗口
	namedWindow("【<3>高斯滤波】");
	createTrackbar("内核值：", "【<3>高斯滤波】", &g_nGaussianBlurVlaue, 40, on_GaussianBlur);
	on_GaussianBlur(g_nGaussianBlurVlaue, 0);
	
	//输出一些帮助信息
	cout << "\t,请调整滚动条观察图像效果~\n\n" << "\t按下‘q’键时，程序退出~\n";
	while (char(waitKey(1))!='q')
	{

	}

	return 0;
}

//on_boxFilter函数
static void on_BoxFilter(int, void*){
	//方框滤波操作
	boxFilter(g_srcImage, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1));
	//显示窗口
	imshow("【<1>方框滤波】", g_dstImage1);
}

//on_MeanBlur函数
static void on_MeanBlur(int, void*){
	//均值滤波操作
	blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
	//显示窗口
	imshow("【<2>均值滤波】", g_dstImage2);
}

//on_GaussianBlue函数
static void on_GaussianBlur(int, void*){
	//高斯滤波函数
	GaussianBlur(g_srcImage, g_dstImage3,Size(g_nGaussianBlurVlaue*2+1,g_nGaussianBlurVlaue*2+1),0,0);
	//显示窗口
	imshow("【<3>高斯滤波】", g_dstImage3);

}