目標
本教程教您怎樣使用各種線性濾波器對圖像進行平滑處理,相關OpenCV函數如下:
- blur
- GaussianBlur
- medianBlur
- bilateralFilter
原理
- 平滑 也稱 模糊, 是一項簡單且使用頻率很高的圖像處理方法。
- 平滑處理的用途有很多, 但是在本教程中我們僅僅關注它減少噪聲的功用 (其他用途在以後的教程中會接觸到)。
- 平滑處理時需要用到一個 濾波器 。 最常用的濾波器是 線性 濾波器,線性濾波處理的輸出像素值 (i.e. ) 是輸入像素值 (i.e. )的加權和 : 稱爲 核, 它僅僅是一個加權係數。
不妨把 濾波器 想象成一個包含加權係數的窗口,當使用這個濾波器平滑處理圖像時,就把這個窗口滑過圖像。
- 濾波器的種類有很多, 這裏僅僅提及最常用的:
歸一化塊濾波器 (Normalized Box Filter)
- 最簡單的濾波器, 輸出像素值是核窗口內像素值的 均值 ( 所有像素加權係數相等)
- 核如下:
高斯濾波器 (Gaussian Filter)
- 最有用的濾波器 (儘管不是最快的)。 高斯濾波是將輸入數組的每一個像素點與 高斯內核 卷積將卷積和當作輸出像素值。
- 還記得1維高斯函數的樣子嗎?
假設圖像是1維的,那麼觀察上圖,不難發現中間像素的加權係數是最大的, 周邊像素的加權係數隨着它們遠離中間像素的距離增大而逐漸減小。
Note:
2維高斯函數可以表達爲 :
其中 爲均值 (峯值對應位置), 代表標準差 (變量 和 變量 各有一個均值,也各有一個標準差)
中值濾波器 (Median Filter)
中值濾波將圖像的每個像素用鄰域 (以當前像素爲中心的正方形區域)像素的 中值 代替 。
雙邊濾波 (Bilateral Filter)
- 目前我們瞭解的濾波器都是爲了 平滑 圖像, 問題是有些時候這些濾波器不僅僅削弱了噪聲, 連帶着把邊緣也給磨掉了。 爲避免這樣的情形 (至少在一定程度上 ), 我們可以使用雙邊濾波。
- 類似於高斯濾波器,雙邊濾波器也給每一個鄰域像素分配一個加權係數。 這些加權係數包含兩個部分, 第一部分加權方式與高斯濾波一樣,第二部分的權重則取決於該鄰域像素與當前像素的灰度差值。
- 詳細的解釋可以查看 鏈接
源碼
-
本程序做什麼?
- 裝載一張圖像
- 使用4種不同濾波器 (見原理部分) 並顯示平滑圖像
-
代碼一瞥:
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" using namespace std; using namespace cv; /// 全局變量 int DELAY_CAPTION = 1500; int DELAY_BLUR = 100; int MAX_KERNEL_LENGTH = 31; Mat src; Mat dst; char window_name[] = "Filter Demo 1"; /// 函數申明 int display_caption( char* caption ); int display_dst( int delay ); /** * main 函數 */ int main( int argc, char** argv ) { namedWindow( window_name, CV_WINDOW_AUTOSIZE ); /// 載入原圖像 src = imread( "../images/lena.jpg", 1 ); if( display_caption( "Original Image" ) != 0 ) { return 0; } dst = src.clone(); if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; } /// 使用 均值平滑 if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; } for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { blur( src, dst, Size( i, i ), Point(-1,-1) ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } } /// 使用高斯平滑 if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; } for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { GaussianBlur( src, dst, Size( i, i ), 0, 0 ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } } /// 使用中值平滑 if( display_caption( "Median Blur" ) != 0 ) { return 0; } for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { medianBlur ( src, dst, i ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } } /// 使用雙邊平滑 if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; } for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { bilateralFilter ( src, dst, i, i*2, i/2 ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } } /// 等待用戶輸入 display_caption( "End: Press a key!" ); waitKey(0); return 0; } int display_caption( char* caption ) { dst = Mat::zeros( src.size(), src.type() ); putText( dst, caption, Point( src.cols/4, src.rows/2), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) ); imshow( window_name, dst ); int c = waitKey( DELAY_CAPTION ); if( c >= 0 ) { return -1; } return 0; } int display_dst( int delay ) { imshow( window_name, dst ); int c = waitKey ( delay ); if( c >= 0 ) { return -1; } return 0; }
解釋
-
下面看一看有關平滑的OpenCV函數,其餘部分大家已經很熟了。
-
歸一化塊濾波器:
OpenCV函數 blur 執行了歸一化塊平滑操作。
for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { blur( src, dst, Size( i, i ), Point(-1,-1) ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
我們輸入4個實參 (詳細的解釋請參考 Reference):
- src: 輸入圖像
- dst: 輸出圖像
- Size( w,h ): 定義內核大小( w 像素寬度, h 像素高度)
- Point(-1, -1): 指定錨點位置(被平滑點), 如果是負值,取核的中心爲錨點。
-
高斯濾波器:
OpenCV函數GaussianBlur執行高斯平滑 :
for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { GaussianBlur( src, dst, Size( i, i ), 0, 0 ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
-
中值濾波器:
OpenCV函數medianBlur執行中值濾波操作:
for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { medianBlur ( src, dst, i ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
我們用了3個參數:
- src: 輸入圖像
- dst: 輸出圖像, 必須與 src 相同類型
- i: 內核大小 (只需一個值,因爲我們使用正方形窗口),必須爲奇數。
-
雙邊濾波器
OpenCV函數bilateralFilter執行雙邊濾波操作:
for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ) { bilateralFilter ( src, dst, i, i*2, i/2 ); if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
我們使用了5個參數:
- src: 輸入圖像
- dst: 輸出圖像
- d: 像素的鄰域直徑
- : 顏色空間的標準方差
- : 座標空間的標準方差(像素單位)
結果
-
程序顯示了原始圖像( lena.jpg) 和使用4種濾波器之後的效果圖。
-
這裏顯示的是使用 中值濾波 之後的效果圖: