C++ OpenCV如何實現(xiàn)模糊圖像

這篇文章主要介紹了C++ OpenCV如何實現(xiàn)模糊圖像，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

模糊圖像

圖像模糊是圖像處理中最常用的也是比較簡單的操作,使用該操作的原因之一就是為了給圖像預(yù)處理時隆低嗓聲.

卷積

就是疊加.卷積的重要的物理意義是：一個函數(shù)（如：單位響應(yīng)）在另一個函數(shù)（如：輸入信號）上的加權(quán)疊加。

通俗的說：
在輸入信號的每個位置，疊加一個單位響應(yīng)，就得到了輸出信號。
這正是單位響應(yīng)是如此重要的原因。

 

卷積的應(yīng)用

用一個模板和一幅圖像進(jìn)行卷積，對于圖像上的一個點(diǎn)，讓模板的原點(diǎn)和該點(diǎn)重合，然后模板上的點(diǎn)和圖像上對應(yīng)的點(diǎn)相乘，然后各點(diǎn)的積相加，就得到了該點(diǎn)的卷積值。對圖像上的每個點(diǎn)都這樣處理。由于大多數(shù)模板都是對稱的，所以模板不旋轉(zhuǎn)。卷積是一種積分運(yùn)算，用來求兩個曲線重疊區(qū)域面積?？梢钥醋骷訖?quán)求和，可以用來消除噪聲、特征增強(qiáng)。
把一個點(diǎn)的像素值用它周圍的點(diǎn)的像素值的加權(quán)平均代替。
卷積是一種線性運(yùn)算,圖像處理中常見的mask運(yùn)算都是卷積，廣泛應(yīng)用于圖像濾波。
卷積關(guān)系最重要的一種情況，就是在信號與線性系統(tǒng)或數(shù)字信號處理中的卷積定理。利用該定理，可以將時間域或空間域中的卷積運(yùn)算等價為頻率域的相乘運(yùn)算，從而利用FFT等快速算法，實現(xiàn)有效的計算，節(jié)省運(yùn)算代價

用圖片來說明

OpenCV中自帶了4種模糊算法：

• blur（均值模糊）

• GaussianBlur（高斯模糊）
  

• medianBlur（中值模糊）
  

• bilateralFilter（雙邊濾波）

新建項目

新建一個項目opencv-0009,配置屬性(VS2017配置OpenCV通用屬性),然后在源文件寫入#include和main方法.并加載我們常用的那個圖片顯示出來

均值模糊

增加一個函數(shù)blur()

然后運(yùn)行效果

高斯模糊

我們增加一個方法GaussianBlur()

我們把原來的均值模糊size改為9*9, 高斯模糊也用9*9,然后都顯示出來的效果

最后邊的是高斯模糊,圖片上看不是非常清楚,其實如果仔細(xì)看對看出對比來,右邊的高斯模糊輪廓能明顯一些.

中值模糊

• 中值是統(tǒng)計排序的濾波囂

• 中值對椒鹽噪聲有很好的抑制作用

中值模糊API

medianBlur(Mat src,Mat dst,ksize)

ksize大小必須是大于1而且必須是奇數(shù)

我們增加一個方法medianBlur()

我們把ksize設(shè)為9,然后看顯示出來效果

可以看出來最右邊是我們的中值模糊,整體模糊的比較平均.

雙邊模糊

雙邊模糊的特點(diǎn):

• 均值模糊無法克服邊緣像素信息丟失缺陷,原因是均值濾波是基于平均權(quán)重.

• 高斯模糊部分克服了該缺陷,但是無法完全避免,因為沒有考慮像素值的不同.

• 高斯雙邊模糊,是邊緣保留的濾波方法,避免了邊緣信息丟失,保留了圖像輪廓不變.

雙邊模糊的API

bilateralFilter(src,dst,d=15,150,3); 

• 15--計算的半徑,半徑之內(nèi)的像數(shù)都會被納入計算,如果提供-1,則根據(jù)sigma space的參數(shù)取值.

• 150--sigma color,決定多少差值之內(nèi)的像素會被計算

• 3--sigma space,如果d的值大于0則聲明無效,否則根據(jù)它來計算d值

我們增加一個方法bilateralFilter()

因為我們的原圖色差不大,所以我們把值調(diào)的大了一點(diǎn),然后我們看看效果

可以看到基本樣子沒變,只是把標(biāo)紅框的地方模糊了一下,輪廓還是非常明顯的

放大一點(diǎn)看一下

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“C++ OpenCV如何實現(xiàn)模糊圖像”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!