https://blog.csdn.net/qq_36285879/article/details/82810705

S1.1 滤波、形态学腐蚀与卷积（合集）

参考：《学习OpenCV3》、《数字图像处理编程入门》

文章目录

S1.1 滤波、形态学腐蚀与卷积（合集）

滤波器

简单模糊与方形滤波

中值滤波

高斯滤波

双边滤波

导数和梯度

Sobel算子

Scharr滤波器

拉普拉斯变换

图像形态学

膨胀&腐蚀

通用形态学函数

开操作与闭操作

形态学梯度

顶帽和黑帽

滤波器

毛星云那本有滤波器源码解析。

简单模糊与方形滤波

用blur函数实现

在imgproc中我们找到定义：（为了大家训练英文，就不翻译了，其实是我懒-。-）

/*

The call `blur(src, dst, ksize, anchor, borderType)` is equivalent to `boxFilter(src, dst, src.type(), anchor, true, borderType)`.和boxFilter相等，待会会讲

@param src input image; it can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.

@param dst output image of the same size and type as src.

@param ksize blurring kernel size.

@param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel

center.默认为中心

@param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes

@sa boxFilter, bilateralFilter, GaussianBlur, medianBlur

*/

CV_EXPORTS_W void blur( InputArray src, OutputArray dst,

Size ksize, Point anchor = Point(-1,-1),

int borderType = BORDER_DEFAULT );

1

2

3

4

5

6

7

8

9

10

11

12

13

14

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg", 0);

Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(5,5), Point(-1,-1), BORDER_DEFAULT);

imshow("src", src);

imshow("blur5x5,default", dst0);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

这是一种低通滤波器(low pass filter)，把中间像素值替换为21x21个像素的平均值。

在链接中就讲到：

在灰度连续变化的图象中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现了一个亮点，人眼能很容易觉察到。就象看老电影时，由于胶片太旧，屏幕上经常会出现一些亮斑。这种情况被认为是一种噪声。灰度突变在频域中代表了一种高频分量，低通滤波器的作用就是滤掉高频分量，从而达到减少图象噪声的目的。当然这种方法会对原本的图像造成伤害。

用boxFilter函数实现

多了一个ddepth参数（图像深度），一个normalize参数（归不归一化，就是除不除滤波器面积）

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg", 0);

Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);

boxFilter(src, dst1, CV_8U, Size(11, 11), Point(-1, -1), true, BORDER_DEFAULT);

boxFilter(src, dst2, CV_8U, Size(11, 11), Point(-1, -1), false, BORDER_DEFAULT);

boxFilter(src, dst3, CV_16U, Size(11, 11), Point(-1, -1), false, BORDER_DEFAULT);

imshow("src", src);

imshow("blur11x11,default", dst0);

imshow("boxFilter11x11,default", dst1);

imshow("boxFilter11x11,false,default", dst2);

imshow("boxFilter11x11,16U,default", dst3);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

中值滤波

之前找的是平均值，现在找的是中值。这也是一种低通滤波器

参数类型Size也变为了int，只能处理正方形区域。（不知道为啥要这样改）

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg", 0);

Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);

medianBlur(src, dst1, 11);

imshow("src", src);

imshow("blur11x11,default", dst0);

imshow("medianBlur11", dst1);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

很有艺术风格呀。可能就是因为中值滤波是实实在在的图像原有的像素值的原因。

高斯滤波

是一种有效的滤波器。

因为以模板中心位置为原点，所以二维高斯公式中的μ1与μ2 \mu_1与\mu2μ

1

​

与μ2都等于0。

σ \sigmaσ越大，高斯函数越不凸，对应的卷积模板大小也就是越大。

/*

@param src input image; the image can have any number of channels, which are processed

independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.输入

@param dst output image of the same size and type as src.输出

@param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be positive and odd. Or, they can be zero's and then they are computed from sigma.

@param sigmaX Gaussian kernel standard deviation in X direction.

@param sigmaY Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be equal to sigmaX, if both sigmas are zeros, they are computed from ksize. width and ksize.height, respectively (see #getGaussianKernel for details); to fully control the result regardless of possible future modifications of all this semantics, it is recommended to specify all of ksize, sigmaX, and sigmaY.如果sigmaY=0,（默认也是0），就和sigmaX相等。如果sigmaX=sigmaY=0，sigmaX和sigmaY自动适应ksize。具体看getGaussianKernel函数

@param borderType pixel extrapolation method, see #BorderTypes

@sa sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur

*/

CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT );

1

2

3

4

5

6

7

8

9

10

11

12

13

14

getGaussianKernel函数

getGaussianKernel返回一个高斯核矩阵，不过它输出的是一维矩阵。。。具体可以看这篇blog：

https://blog.csdn.net/u012633319/article/details/80921023

CV_EXPORTS_W Mat getGaussianKernel( int ksize, double sigma, int ktype = CV_64F );

1

高斯滤波演示

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg", 0);

Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);

medianBlur(src, dst1, 11);

GaussianBlur(src, dst2, Size(11,11), 0, 0);

imshow("src", src);

imshow("blur11x11,default", dst0);

imshow("medianBlur11", dst1);

imshow("GraussianBlur11,1,1", dst2);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

可以看出，由于加强与邻域的关系，高斯滤波更不模糊。（也有可能是参数的原因）

高斯模糊把边缘也模糊了，边缘变粗。

双边滤波

能解决高斯不能解决的边缘问题。

《学习OpenCV》说能产生卡通效果，我感觉看不出来，如果调的好，说不定能产生倩女幽魂的效果。

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg", 0);

Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);

medianBlur(src, dst1, 11);

GaussianBlur(src, dst2, Size(11,11), 2, 0);

bilateralFilter(src, dst3, 16, 150, 150);

imshow("src", src);

imshow("blur11x11,default", dst0);

imshow("medianBlur11", dst1);

imshow("GraussianBlur11,1,1", dst2);

imshow("bilateralFilter11", dst3);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

导数和梯度

卷积可以近似计算导数，当然这个涉及时域的知识。

从梯度图我们可以观察到图像的边缘了。

Sobel算子

百度百科就可以理解Sobel算子是怎么回事了：

https://baike.baidu.com/item/Sobel算子/11000092?fr=aladdin

其实就是常用的两个固定模板。

当然还是强烈推荐好书：《数字图像处理编程入门》：微盘数字图像处理编程入门 里面用很简洁的方法解释了Sobel为啥能检测边缘。

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg", 0);

Mat dst0, dst1, dst2, dst3, dst4;

Sobel(src, dst0, CV_8U, 1, 1);

Sobel(src, dst1, CV_8U, 0, 1);

Sobel(src, dst2, CV_8U, 1, 0);

Sobel(src, dst3, CV_8U, 1, 2);

Sobel(src, dst4, CV_8U, 2, 1);

 

imshow("src", src);

imshow("Sobel,1,1", dst0);

imshow("Sobel,0,1", dst1);

imshow("Sobel,1,0", dst2);

imshow("Sobel,1,2", dst3);

imshow("Sobel,2,1", dst4);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

我们对x求导则得到竖的边缘，对y求导得到横的边缘。

Sobel算子的缺点是核较小的时候准确率不高。对于大型的核，精度不太显著。（用Scharr滤波器可以解决）【不是很理解】

Scharr滤波器

同Sobel一样，是常用的固定模板。

把Sobel函数的ksize设置为CV_SCHARR即可。

可以自己试一下，感觉没差。

拉普拉斯变换

经典变换

这是一种高通滤波器。（中间为负数）

直接上代码好了：

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src = imread("images/favorite/Lena.jpg");

Mat dst0, dst1, dst2, dst3, dst4;

Laplacian(src, dst0, CV_8U, 1);

Laplacian(src, dst2, CV_8U, 3);

imshow("src", src);

imshow("Laplacian,1", dst0);

imshow("Laplacian,3", dst2);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

效果的确很好。

图像形态学

图像形态学能做出好玩的一些操作。

膨胀&腐蚀

膨胀和腐蚀是相反的一组操作。它依据图像的亮度。

在OpenCV中，膨胀和腐蚀的边界用的的空白常量填充（BORDER_CONSTANT）。

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src;

Mat dst0, dst1;

src = imread("images/favorite/Lena.jpg");

// int g_nStructElementSize = 3;

// Mat element0 = getStructuringElement(MORPH_RECT,

// Size(2*g_nStructElementSize+1, 2*g_nStructElementSize+1),

// Point(g_nStructElementSize, g_nStructElementSize));

// Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));

erode(src, dst0, Mat());

dilate(src, dst1, Mat());

imshow("erode", dst0);

imshow("dilate", dst1);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

左边杨幂，右边白眼妞。哈哈哈。

另外，膨胀操作能把一张小狗图变成毛绒小狗图。

通用形态学函数

这个函数包含了多种形态学方法，由参数op决定：

操作值 形态学操作名 是否需要零时图像

cv::MOP_OPEN 开操作 否

cv::MOP_CLOSE 闭操作 否

cv::MOP_GRADIENT 形态学梯度 总是需要

cv::MOP_TOPHAT 顶帽操作 就地需要

cv::MOP_BACKHAT 底帽操作 就地需要

开操作与闭操作

开操作就把图像先腐蚀后膨胀。闭操作反之。

当你设定多次迭代的时候，实际顺序是：膨胀-膨胀-腐蚀-腐蚀

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src;

Mat dst0, dst1, dst2, dst3;

src = imread("images/favorite/Lena.jpg");

morphologyEx(src, dst0, CV_MOP_OPEN, Mat(), Point(-1, -1), 2);

morphologyEx(src, dst1, CV_MOP_OPEN, Mat(), Point(-1, -1), 3);

morphologyEx(src, dst2, CV_MOP_CLOSE, Mat(), Point(-1, -1), 2);

morphologyEx(src, dst3, CV_MOP_CLOSE, Mat(), Point(-1, -1), 3);

imshow("open2", dst0);

imshow("open3", dst1);

imshow("close2", dst2);

imshow("close3", dst3);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

形态学梯度

gradient(src)=dilate(src)−erode(src) gradient(src) = dilate(src) - erode(src)

gradient(src)=dilate(src)−erode(src)

//

cout << src;

// cvtColor(src, src, CV_HSV2BGR);

// imshow("src", src);

//

// waitKey(0);

// return 0;

//}

//16.腐蚀与膨胀

#include <opencv2/opencv.hpp>

#include <iostream>

#include <cstdio>

using namespace std;

using namespace cv;

int main()

{

Mat src;

Mat dst0, dst1, dst2, dst3;

src = imread("images/favorite/Lena.jpg", 0);

morphologyEx(src, dst0, CV_MOP_GRADIENT, Mat());

imshow("gradient", dst0);

waitKey(0);

return 0;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

有点像粉笔画。

顶帽和黑帽

TopHat(src)=src−open(src)BackHat(src)=close(src)−src TopHat(src) = src-open(src)\\BackHat(src)= close(src) - src

TopHat(src)=src−open(src)

BackHat(src)=close(src)−src

---------------------

作者：nerd呱呱

来源：CSDN

原文：https://blog.csdn.net/qq_36285879/article/details/82810705

版权声明：本文为博主原创文章，转载请附上博文链接！