c++视觉处理---高斯滤波

高斯滤波处理

高斯滤波是一种常用的平滑滤波方法,它使用高斯函数的权重来平滑图像。高斯滤波通常用于去除噪声并保留图像中的细节。在OpenCV中,可以使用cv::GaussianBlur()函数来应用高斯滤波。

以下是cv::GaussianBlur()函数的基本用法:

void cv::GaussianBlur(
    cv::InputArray src,     // 输入图像
    cv::OutputArray dst,    // 输出图像
    cv::Size ksize,         // 高斯滤波核的大小,通常为奇数
    double sigmaX,          // X方向的高斯标准差
    double sigmaY = 0,      // Y方向的高斯标准差(如果为0,则默认为与sigmaX相同)
    int borderType = cv::BORDER_DEFAULT  // 边界处理方式,默认为BORDER_DEFAULT
);

参数解释:

  • src: 输入图像。
  • dst: 输出图像,将平滑后的图像存储在这里。
  • ksize: 高斯滤波核的大小,通常是一个奇数,例如(3, 3)(5, 5)。较大的核将导致更强烈的平滑效果。
  • sigmaX: X方向的高斯标准差,控制权重分布的宽度。较大的值将导致较强的平滑效果。
  • sigmaY: Y方向的高斯标准差,通常与sigmaX相同。如果设置为0(默认值),则与sigmaX相同。
  • borderType: 边界处理方式,控制在图像边界处如何处理滤波操作。通常使用默认值cv::BORDER_DEFAULT

下面是一个示例代码,演示如何使用cv::GaussianBlur()函数应用高斯滤波:

#include 
#include 

int main() {
    // 读取图像
    cv::Mat image = cv::imread("1.jpg", cv::IMREAD_COLOR);

    if (image.empty()) {
        std::cerr << "Could not open or find the image!" << std::endl;
        return -1;
    }

    // 创建一个平滑后的图像副本
    cv::Mat smoothed_image;

    // 使用高斯滤波平滑图像
    cv::GaussianBlur(image, smoothed_image, cv::Size(5, 5), 1.5, 0);

    // 显示原始图像和平滑后的图像
    cv::namedWindow("Original Image", cv::WINDOW_NORMAL);
    cv::namedWindow("Smoothed Image", cv::WINDOW_NORMAL);

    cv::imshow("Original Image", image);
    cv::imshow("Smoothed Image", smoothed_image);

    cv::waitKey(0);

    return 0;
}

c++视觉处理---高斯滤波_第1张图片

使用相机本地实时处理高斯滤波

#include 

// 全局变量,用于存储滑动条的值
int kernelSize = 3;
int sigmaX = 1;

// 回调函数,用于处理滑动条的值变化
void onTrackbar(int value, void* userdata) {
    // 从userdata中获取VideoCapture对象
    cv::VideoCapture* cap = static_cast<cv::VideoCapture*>(userdata);

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    while (true) {
        cv::Mat frame;

        // 从相机中读取一帧图像
        *cap >> frame;

        if (frame.empty()) {
            std::cerr << "Failed to read frame from the camera!" << std::endl;
            break;
        }

        // 创建一个平滑后的图像副本
        cv::Mat smoothed_frame;

        // 使用高斯滤波平滑图像,核的大小和标准差由滑动条值决定
        cv::GaussianBlur(frame, smoothed_frame, cv::Size(kernelSize, kernelSize), sigmaX);

        // 显示实时摄像头图像和平滑后的图像
        cv::imshow("Live Camera Feed", frame);
        cv::imshow("Smoothed Frame", smoothed_frame);

        // 检查键盘输入,如果按下ESC键,退出循环
        char key = cv::waitKey(1);
        if (key == 27) // 27对应ESC键的ASCII码
            break;
    }
}

int main() {
    // 打开本地相机(通常相机编号为0表示默认相机,如果有多个相机,则可能需要调整编号)
    cv::VideoCapture cap(0);

    if (!cap.isOpened()) {
        std::cerr << "Could not open the camera!" << std::endl;
        return -1;
    }

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    // 创建滑动条
    cv::createTrackbar("Kernel Size", "Live Camera Feed", &kernelSize, 30, onTrackbar, &cap);
    cv::createTrackbar("Sigma X", "Live Camera Feed", &sigmaX, 10, onTrackbar, &cap);

    // 初始化一次滑动条回调函数以显示默认值
    onTrackbar(kernelSize, &cap);

    // 释放摄像头资源和关闭窗口
    cap.release();
    cv::destroyAllWindows();

    return 0;
}

你可能感兴趣的:(#,C++视觉处理,c++,opencv,计算机视觉)