数字图像处理17--OpenCV实现自己的线性滤波器 C++

卷积

卷积是在每一个图像块与某个算子（核）之间进行的运算。

核

核说白了就是一个固定大小的数值数组。该数组带有一个 锚点 ，一般位于数组中央。

如何用核实现卷积

假如你想得到图像的某个特定位置的卷积值，可用下列方法计算：

1. 将核的锚点放在该特定位置的像素上，同时，核内的其他值与该像素邻域的各像素重合；
2. 将核内各值与相应像素值相乘，并将乘积相加；
3. 将所得结果放到与锚点对应的像素上；
4. 对图像所有像素重复上述过程。

用公式表示上述过程如下：

幸运的是，我们不必自己去实现这些运算，OpenCV为我们提供了函数 filter2D 。

代码实现：

• 载入一幅图像

• 对图像执行 归一化块滤波器 。举例来说，如果该滤波器核的大小为  ，则它会像下面这样：

  

  程序将执行核的大小分别为3、5、7、9、11的滤波器运算。

• 该滤波器每一种核的输出将在屏幕上显示2秒

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/** @函数main */
int main ( int argc, char** argv )
{
  /// 声明变量
  Mat src, dst;

  Mat kernel;
  Point anchor;
  double delta;
  int ddepth;
  int kernel_size;
  char* window_name = "filter2D Demo";

  int c;

  /// 载入图像
  src = imread( argv[1] );

  if( !src.data )
  { return -1; }

  /// 创建窗口
  namedWindow( window_name, CV_WINDOW_AUTOSIZE );

  /// 初始化滤波器参数
  anchor = Point( -1, -1 );
  delta = 0;
  ddepth = -1;

  /// 循环 - 每隔0.5秒，用一个不同的核来对图像进行滤波
  int ind = 0;
  while( true )
    {
      c = waitKey(500);
      /// 按'ESC'可退出程序
      if( (char)c == 27 )
        { break; }

      /// 更新归一化块滤波器的核大小
      kernel_size = 3 + 2*( ind%5 );
      kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);

      /// 使用滤波器
      filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );
      imshow( window_name, dst );
      ind++;
    }

  return 0;
}

效果：

增加边界填充：

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/// 全局变量
int top, bottom, left, right;
int borderType;
Scalar value;
char* window_name = "copyMakeBorder Demo";
RNG rng(12345);

/** @函数main */
int main ( int argc, char** argv )
{
    /// 声明变量
    Mat src, dst;

    Mat kernel;
    Point anchor;
    double delta;
    int ddepth;
    int kernel_size;
    char* window_name = "filter2D Demo";

    /// 载入图像
    src = imread( argv[1] );

    if( !src.data )
        return -1;

    namedWindow( window_name, CV_WINDOW_AUTOSIZE );
    /// 初始化输入参数
    top = (int) (0.05*src.rows); bottom = (int) (0.05*src.rows);
    left = (int) (0.05*src.cols); right = (int) (0.05*src.cols);
    dst = src;

    imshow( window_name, dst );

    // 初始化滤波器参数
    anchor = Point( -1, -1 );
    delta = 0;
    ddepth = -1;

    // 循环 - 每隔2秒，用一个不同的核来对图像进行滤波
    int ind = 0;
    while( true )
    {
      int c = waitKey(2000);
      if( (char)c == 27 ){                /// 按'ESC'可退出程序
          break;
      }else if( (char)c == 'c' ){
          borderType = BORDER_CONSTANT;
      }else if( (char)c == 'r' ){
          borderType = BORDER_REPLICATE;
      }

      /// 更新归一化块滤波器的核大小
      kernel_size = 3 + 2*( ind%5 );
      kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);

      /// 使用滤波器
      filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );

      value = Scalar( rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255) );
      copyMakeBorder( dst, dst, top, bottom, left, right, borderType, value );
      imshow( window_name, dst );
      ind++;
    }

    return 0;
}
 

效果：