OpenCV 图形API（25）图像滤波-----均值滤波（模糊处理）函数blur()

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

使用归一化的方框滤波器模糊图像。
该函数使用以下核来平滑图像：
$$K=\frac{1}{ksize.width\times ksize.height}\left[\begin{array}{cccc}1& 1& \cdots & 1\\ 1& 1& \cdots & 1\\ ⋮& ⋮& \ddots & ⋮\\ 1& 1& \cdots & 1\end{array}\right]$$
调用 blur(src, ksize, anchor, borderType) 等价于 boxFilter(src, src.type(), ksize, anchor, true, borderType)。

支持的输入矩阵数据类型为 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1、CV_32FC1。输出图像必须与输入图像具有相同的类型、大小和通道数。

注意：
如果硬件支持，将进行最近偶数舍入；如果不支持，则进行最近值舍入。
函数文本ID是 “org.opencv.imgproc.filters.blur”

函数原型

GMat cv::gapi::blur 	
(
 	const GMat &  	src,
	const Size &  	ksize,
	const Point &  	anchor = Point(-1,-1),
	int  	borderType = BORDER_DEFAULT,
	const Scalar &  	borderValue = Scalar(0) 
) 		

参数

• 参数 src: 源图像。
• 参数 ksize: 模糊内核大小。
• 参数 anchor: 锚点位置；默认值 Point(-1,-1) 表示锚点位于内核中心。
• 参数 borderType: 边界模式用于外推图像外部的像素，请参阅 cv::BorderTypes。
• 参数 borderValue: 在使用常量边界模式时使用的值。

代码示例

#include <opencv2/gapi/core.hpp>     // 包含G-API核心功能
#include <opencv2/gapi/imgproc.hpp>  // 包含imgproc模块，可能需要的其他G-API模块
#include <opencv2/opencv.hpp>

int main()
{
    
    
    // 加载输入图像
    cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png" );
    if ( src.empty() )
    {
    
    
        std::cerr << "Error: Image cannot be loaded!" << std::endl;
        return -1;
    }

    // 定义均值滤波参数
    cv::Size ksize( 15, 15 );                       // 模糊内核大小
    cv::Point anchor( -1, -1 );                   // 默认锚点位置
    int borderType         = cv::BORDER_DEFAULT;  // 边界填充模式
    cv::Scalar borderValue = cv::Scalar( 0 );     // 常量边界值

    // 定义G-API计算图来应用均值滤波
    cv::GComputation comp( [ ksize, anchor, borderType, borderValue ]() {
    
    
        cv::GMat in;  // 输入：源图像
        cv::GMat out = cv::gapi::blur( in, ksize, anchor, borderType, borderValue );
        return cv::GComputation( cv::GIn( in ), cv::GOut( out ) );
    } );

    // 输出结果
    cv::Mat dst;

    try
    {
    
    
        // 执行计算图并传入实际的cv::Mat数据
        comp.apply( cv::gin( src ), cv::gout( dst ) );

        // 显示结果
        cv::imshow( "Original Image", src );
        cv::imshow( "Blurred Image", dst );
        cv::waitKey( 0 );  // 等待按键事件
    }
    catch ( const std::exception& e )
    {
    
    
        std::cerr << "Exception: " << e.what() << std::endl;
        return -1;
    }

    return 0;
}

运行结果