目錄
1.1 保邊濾波器Edge Preserving Filter
有人認爲使用高斯內核簡單地模糊圖像，檢測邊緣，並將兩個圖像組合以獲得上面所示卡通化圖像。雖然在大多數區域中所有圖像看起來都很平滑之後，邊緣會被保留。結果看起來很荒謬; 這是一個糟糕的主意。通過雙邊濾波可以完成這項工作，雙邊濾波可能是計算機視覺中最常用的邊緣平滑濾波器，但它很慢。你永遠不會在實時應用程序中使用它。我很高興看到在OpenCV 3中非常快速地實現了保邊濾波器。結果與雙邊濾波非常相似，但速度更快。這是SIGGRAPH 2011論文Domain transform for edge-aware image and video processing實現。論文作者爲Eduardo Gastal and Manuel Oliveira。論文見：
http://www.inf.ufrgs.br/~eslgastal/DomainTransform/Gastal_Oliveira_SIGGRAPH2011_Domain_Transform.pdf
保邊濾波器詳細見：
https://blog.csdn.net/eejieyang/article/details/52333112
1 保邊濾波的頻域變換
作者Eduardo Gastal在他的項目頁面上提供了很多材料來解釋論文及其應用。詳細鏈接見：
http://www.inf.ufrgs.br/~eslgastal/DomainTransform/
在OpenCV 3中，本文使用Photo模塊下的Computational Photography子模塊中的四個函數實現。以下部分通過示例解釋這些功能及其參數。在所有示例中，我們將使用下面的圖像作爲輸入圖像。
1.1 保邊濾波器Edge Preserving Filter
1.1.1 函數調用
OpenCV中保邊濾波器調用函數爲edgePreservingFilter。
函數具體調用如下：
C++:
edgePreservingFilter(Mat src, Mat dst, int flags=1, float sigma_s=60, float sigma_r=0.4f)
Python:
dst = cv2.edgePreservingFilter(src, flags=1, sigma_s=60, sigma_r=0.4)
函數具體參數如下：
SRC：8位3通道輸入圖像
DST：8位3通道輸出圖像
Flag：保變濾波器類型。取值RECURS_FILTER（遞歸濾波）= 1和NORMCONV_FILTER（歸一化卷積）= 2。使用RECURS_FILTER選項比NORMCONV_FILTER快約3.5倍。但NORMCONV_FILTER產生邊緣銳化。當不希望銳化時，要求速度應該使用RECURS_FILTER。
sigma_s：範圍在0到200之間（詳見下文）
sigma_r：範圍在0到1之間（詳見下文）
參數sigma_s和sigma_r是什麼意思？
圖像處理和計算機視覺中的大多數平滑濾波器（例如高斯濾波器或盒式濾波器）具有稱爲sigma_s（用於Sigma_Spatial）的參數，其確定平滑量。典型的平滑濾波器通過其鄰居的加權和來替換像素的值。鄰域越大，過濾後的圖像越平滑。鄰域的大小與參數sigma_s成正比。
在保邊濾波器中，有兩個相互競爭的目標：a）平滑圖像b）不平滑邊緣/顏色邊界。換句話說，我們不能簡單地用它的鄰居的加權和來代替像素的顏色。相反，我們想要將像素中的顏色值替換爲鄰域中的像素的平均值，使其也具有與像素類似的顏色。所以我們有兩個參數：sigma_s和sigma_r。就像其他平滑濾波器一樣，sigma_s控制鄰域的大小，sigma_r（用於sigma_range）控制鄰域內的不同顏色的平均值。較大的sigma_r導致大面積的恆定顏色區域。
1.1.2 edgePreservingFilter結果
將edgePreservingFilter與RECURS_FILTER一起應用的結果如下所示：
施加edgePreservingFilter與NORMCONV_FILTER的結果如下所示：
正如您所看到的，兩個結果非常接近，因此我建議使用 RECURS_FILTER， 因爲它比NORMCONV_FILTER快。
1.2 細節增強
顧名思義，過濾器可以增強細節，使圖像更清晰。調用參數如下：
C++:
detailEnhance(Mat src, Mat dst, float sigma_s=10, float sigma_r=0.15f)
Python:
dst = cv2.detailEnhance(src, sigma_s=10, sigma_r=0.15)
參數與保邊濾波器調用相同。下圖顯示了結果細節增強過濾器。請注意，整個圖像比輸入圖像更清晰。
1.3 素描濾波器
此過濾器生成的輸出看起來像鉛筆草圖。有兩個輸出，一個是將濾鏡應用於彩色輸入圖像的結果，另一個是將其應用於輸入圖像的灰度版本的結果。坦率地說，我對這個過濾器印象不深，因爲結果看起來不太棒。調用如下：
C++:
pencilSketch(Mat src, Mat dst_gray, Mat dst_color, float sigma_s=60, float sigma_r=0.07f, float shade_factor=0.02f)
Python:
dst_gray, dst_color = cv2.pencilSketch(src, sigma_s=60, sigma_r=0.07, shade_factor=0.05)
參數與邊緣增強濾鏡相同。shade_factor（範圍0到0.1）是輸出圖像強度的簡單縮放。值越高，結果越亮。
將pencilSketch濾鏡應用於輸入圖像的結果如下所示。
1.4 風格化濾波器
風格化過濾器產生的輸出看起來像使用水彩繪製的圖像。調用函數如下：
C++:
stylization(Mat src, Mat dst, float sigma_s=60, float sigma_r=0.45f)
Python:
dst = cv2.stylization(src, sigma_s=60, sigma_r=0.07)
參數與邊緣增強濾鏡相同。應用於輸入圖像的結果如下所示。
2 代碼
所有代碼見：
https://github.com/luohenyueji/OpenCV-Practical-Exercise
C++:
#include "pch.h"
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main()
{
// Read image 讀取圖像
Mat im = imread("./image/cow.jpg");
Mat imout, imout_gray;
// Edge preserving filter with two different flags. 保邊濾波器
edgePreservingFilter(im, imout, RECURS_FILTER);
imwrite("edge-preserving-recursive-filter.jpg", imout);
edgePreservingFilter(im, imout, NORMCONV_FILTER);
imwrite("edge-preserving-normalized-convolution-filter.jpg", imout);
// Detail enhance filter 邊緣增強濾波器
detailEnhance(im, imout);
imwrite("detail-enhance.jpg", imout);
// Pencil sketch filter 素描濾波器
pencilSketch(im, imout_gray, imout);
imwrite("pencil-sketch.jpg", imout_gray);
imwrite("pencil-sketch-color.jpg", imout_gray);
// Stylization filter 風格化濾波器
stylization(im, imout);
imwrite("stylization.jpg", imout);
return 0;
}
Python:
import cv2
# Read image
im = cv2.imread("./image/cow.jpg");
# Edge preserving filter with two different flags.
imout = cv2.edgePreservingFilter(im, flags=cv2.RECURS_FILTER);
cv2.imwrite("edge-preserving-recursive-filter.jpg", imout);
imout = cv2.edgePreservingFilter(im, flags=cv2.NORMCONV_FILTER);
cv2.imwrite("edge-preserving-normalized-convolution-filter.jpg", imout);
# Detail enhance filter
imout = cv2.detailEnhance(im);
cv2.imwrite("detail-enhance.jpg", imout);
# Pencil sketch filter
imout_gray, imout = cv2.pencilSketch(im, sigma_s=60, sigma_r=0.07, shade_factor=0.05);
cv2.imwrite("pencil-sketch.jpg", imout_gray);
cv2.imwrite("pencil-sketch-color.jpg", imout);
# Stylization filter
cv2.stylization(im,imout);
cv2.imwrite("stylization.jpg", imout);
3 參考
https://www.learnopencv.com/non-photorealistic-rendering-using-opencv-python-c/