Image Processing1 (Smoothing Images)

目标

    模糊（）：均值滤波
    高斯模糊（）：高斯滤波
    medianBlur（）：中值滤波

    双边滤波器（）：双边滤波

理论

理论来源于：“计算机视觉：算法与应用”

均值滤波，高斯滤波以及中值滤波都比较简单，这里不再介绍。

双边滤波用的较少，详细介绍下。

双边介绍的权重有两个部分，其中第一部分的权重与高斯滤波使用的权重相同，第二部分的权重则是用于评估像素之间强度的差异高斯滤波的思想：在大部分情况下，离中心像素的距离越近，则其权重越大;一般情况下，的确是这个样子，由于图像像素的缓慢变换，然而在图像的额边缘处，由于像素信息较为丰富，并不是这样子;继续使用空域高斯滤波则可能导致图像边缘模糊，因而这里应该根据像素的差异进行评估权重，若是像素颜色，纹理较为相似，则权重赢较大。因而双边滤波添加了另外的一个权重。具体公式如下（毛星云“OpenCV3编程入门”）：

不是俺不放公式，一放公式就待审查。公式上面提高书上的177-178页。

码

/ **
 *文件Smoothing.cpp
 *简单简单过滤器的示例代码
 *作者OpenCV团队
 * /

#include <iostream>
#include“opencv2 / imgproc.hpp”
#include“opencv2 / imgcodecs.hpp”
#include“opencv2 / highgui .hpp“

using namespace std;
使用命名空间cv;

//全局变量
int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;

Mat src; Mat dst;
char window_name [] =“平滑演示”;

//函数头
int display_caption（const char * caption）;
int display_dst（int delay）;


/ **
 *函数main
 * /
int main（int argc，

    namedWindow（window_name，WINDOW_AUTOSIZE）;

     //加载源图像
    const char * filename = argc> = 2？argv [1]：“./lena.jpg”;

    src = imread（filename，IMREAD_COLOR）;
    if（src.empty（））{
        printf（“Error opening image \ n”）;
        printf（“Usage：./Smoothing [image_name - default ./lena.jpg] \ n”）;
        返回-1;
    }

    if（display_caption（“Original Image”）！= 0）{return 0; }

    dst = src.clone（）;
    if（display_dst（DELAY_CAPTION）！= 0）{return 0; }


    //应用均匀模糊
    if（display_caption（“Homogeneous Blur”）！= 0）{return 0; }

     //！[blur]
    代表（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; //原图想，目标图像，内核大小，锚点：平滑的点
}}
    //！[blur]

    //应用高斯模糊
    if（display_caption（“Gaussian Blur”）！= 0）{return 0; }

    //！[gaussianblur]
    for（int i = 1; i <MAX_KERNEL_LENGTH; i = i + 2）
    {GaussianBlur（src，dst，Size（i，i），0，0）; //显示图像，目标图像，内核大小，标准差，标准差
        if（display_dst（DELAY_BLUR）！= 0）{return 0; }}
    // [高斯模糊]！

     //应用中值模糊
    如果（display_caption（ “中间模糊”）！= 0）{返回0; }

    //！[medianblur]
    for（int i = 1; i <MAX_KERNEL_LENGTH; i = i + 2）
    {medianBlur（src，dst，i）; //原图想，目标图像，相当于size（i，i）
        if（display_dst（DELAY_BLUR）！= 0）{return 0;     如果（display_caption（“Bilateral Blur”）！= 0）{return 0; }}
    // // [medianblur]

    //应用双边滤波器
}

     // // [
    sidesfilter ] for（int i = 1; i <MAX_KERNEL_LENGTH; i = i + 2）
    {bilateralFilter（src，dst，i，i * 2，i / 2）; //原图像，目标图像，领域大小，色彩的标准差，空间的标准差
        if（display_dst（DELAY_BLUR）！= 0）{return 0; }}
    //！[bilateralfilter]

    //完成
    display_caption（“Done！”）;

    返回0;
}

/ **
 * @function display_caption
 * /
int display_caption（const char * caption）
{
    dst = Mat :: zeros（src.size（），src.type（））;
    //图片，文本，点，字体类型，比例因子，颜色
    putText（DST，字幕，
             点（src.cols / 4，src.rows / 2），
             FONT_HERSHEY_COMPLEX，1，标量（255，255，255））;

    返回display_dst（DELAY_CAPTION）;
}

/ **
 * @function display_dst
 * /
INT display_dst（INT延迟）
{
    imshow（window_name，DST）;
    int c = waitKey（delay）;
    if（c> = 0）{return -1; }
    return 0;

}

添加了更详细的注释，这里不再解释。

CMakeLists.txt文件同上一篇，不用修改。

测试结果是一个渐变的过程。放一个中间过程的截图。