C++?opencv圖像平滑濾波器如何使用

這篇文章主要介紹“C++ opencv圖像平滑濾波器如何使用”，在日常操作中，相信很多人在C++ opencv圖像平滑濾波器如何使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”C++ opencv圖像平滑濾波器如何使用”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

一、均值濾波

歸一化方框濾波器是很簡單的濾波器，輸出像素值是核窗口內(nèi)像素值的均值，如果使用歸一化處理，方框濾波就是均值濾波，實際上均值濾波是方框濾波歸一化后的特殊情況。均值不能很好的保護細節(jié)。

1.均值濾波函數(shù)

opencv提供了blur函數(shù)來實現(xiàn)均值濾波，函數(shù)聲明如下：

void blur(InputArray src, OutputArray dst,
		Size ksize, Point anchor = Point(-1, -1),
		int borderType = BORDER_DEFAULT);
	src 輸入圖像
	dst 輸出圖像
	Ksize 內(nèi)核的大小
	anchor 錨點 默認值Point(-1， - 1)表示錨位于內(nèi)核中心。
	bordertype 邊界像素模式

2.均值濾波代碼

#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	blur(img1, img2, Size(20, 20));
	imshow("線性濾波", img2);
	waitKey(0);
}

效果如下：

二、高斯濾波

高斯濾波是一種線性平滑濾波，對于除去高斯噪聲有很好的效果，高斯濾波是對輸入數(shù)組的每個點與輸入的高斯濾波模板執(zhí)行卷積計算，然后精這些結(jié)果一塊組成濾波后的輸出數(shù)組，具體操作是，用一個模板（或者卷積，掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值，去代替模板中心像素點的值。

1.高斯濾波函數(shù)

opencv提供了GaussianBlur函數(shù)來實現(xiàn)均值濾波，函數(shù)聲明如下：

void GaussianBlur(InputArray src, OutputArray dst, Size ksize,
		double sigmaX, double sigmaY = 0,
		int borderType = BORDER_DEFAULT);
	src 輸入圖像
	dst 輸出圖像
	ksize 高斯核大小  他們必須是奇數(shù)
	sigmax x方向上是高斯核標準差
	sigmay y方向上是高斯核標準差
	bordertype 邊界像素模式

2.高斯濾波代碼

int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	GaussianBlur(img1, img2, Size(35, 35),0);
	imshow("高斯濾波", img2);
	waitKey(0);
}

效果圖：

三、中值濾波

中值濾波是用像素點領(lǐng)域灰度值的中值來代替該像素點的灰度值，也就是說用一片區(qū)域的中間值來代替所有值，可以去除最大值和最小值 ，它的優(yōu)點是對去除斑點噪聲和椒鹽噪聲很有用，缺點是中值濾波時間是均值濾波的5倍以上

1.中值濾波函數(shù)

opencv提供了medianBlur函數(shù)來實現(xiàn)均值濾波，函數(shù)聲明如下：

void medianBlur(InputArray src, OutputArray dst, int ksize);
	src 輸入
	dst 輸出
	Ksize 孔徑線性尺寸 它必須是奇數(shù)且大于1

2.中值濾波代碼

int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	medianBlur(img1, img2,9);
	imshow("中值濾波", img2);
	waitKey(0);
}

效果如下：

四、雙邊濾波

之前所說的濾波器都是為了平滑圖像，問題是有些時候這些濾波器不僅削弱了噪聲，連帶著吧邊緣也磨掉了，為了避免這樣的情形（至少在一定程度上），我們可以使用雙邊濾波，它是一種非線性濾波器，它可以達到邊緣，降噪平滑的效果，也是采用加權(quán)平均的方法，用周邊像素亮度值的加權(quán)平均代表某個像素的強度。雙邊濾波與高斯濾波相比，對于圖像的邊緣信息能夠更好的保存

1.雙邊濾波函數(shù)

opencv提供了bilateralFilter函數(shù)來實現(xiàn)均值濾波，函數(shù)聲明如下：

	void bilateralFilter(InputArray src, OutputArray dst, int d,
		double sigmaColor, double sigmaSpace,
		int borderType = BORDER_DEFAULT);
	src 輸入
	dst 輸出
	d 濾波時所用的每個像素鄰域的直徑
	sigmaColor 在顏色空間中過濾。 
	sigmaSpace 在坐標空間中過濾 
	borderType 邊界像素模式

2.雙邊濾波代碼

int main()
{
	Mat img1, img2;
	img1 = imread("貓1.jpg");
	imshow("原圖", img1);
	bilateralFilter(img1, img2, 30,30,30);
	imshow("雙邊濾波", img2);
	waitKey(0);
}

效果如下：

到此，關(guān)于“C++ opencv圖像平滑濾波器如何使用”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>