흐림
-
Smooth / Blur는 이미지 처리에서 가장 간단한 일반적인 작업 중 하나입니다.
- 역할 : 노이즈를 줄이기위한 이미지 전처리
- 원리 : 컨볼 루션 계산
컨볼 루션 연산자는 모두 선형 연산이므로 선형 필터링
- 참조 마스크
- 6x6 이미지 픽셀 행렬이 있다고 가정합니다.
- 컨볼 루션 프로세스 : 6x6 이상 은 왼쪽에서 오른쪽으로, 위에서 아래로 이동 하는 3x3 창이며 노란색으로 표시된 각 픽셀의 값의 합이 평균화되어 컨볼 루션 이후의 새 픽셀로 중앙 빨간색 픽셀에 할당됩니다. 한 번에 한 픽셀 격자 이동
분명히 주변 원의 픽셀은 새로운 값을 얻을 수 없습니다. 어떻게 처리해야합니까 ???
외부 확장, 새로운 픽셀 값의 새로운 원이 매트릭스 외부에 삽입되므로 새로운 픽셀 값을 취하는 방법은 무엇입니까 ???
-
평균 필터 : 평균 필터는 평균 가중치를 기반으로하고 가중치는 1로 간주 할 수 있으므로 가장자리 픽셀 정보 손실 의 결함을 극복 할 수 없습니다 .
-
-
API
-
blur (Mat src, Mat dst, Size (xradius, yradius), Point (-1, -1)); 흐림
-
매개 변수 : 소스 이미지, 출력 이미지, 필터 차원 3 * 3 또는 3 * 12 등, 일반적으로 포인트의 중심점이 움직이지 않습니다.
-
-
모델
-
-
-
가우시안 필터링 : 픽셀 값의 차이를 고려하지 않기 때문에 에지 픽셀 정보 손실의 결함을 완전히 피할 수 없습니다.
-
-
정규 분포와 유사하게 공간적 위치 만 고려합니다. 즉, 가중치가 세로축에 가까울수록 픽셀 자체의 값은 고려되지 않습니다.
-
API
-
GaussianBlur (Mat src, Mat dst, Size (11,11), sigmax, sigmay); Size (x, y) x & y는 양의 홀수 여야합니다.
-
매개 변수 : 소스 이미지, 출력 이미지, 필터 차원, 매개 변수 xy
-
-
퍼지 고급
-
중앙값 필터링 : 통계적 정렬 필터
-
사용 시나리오 : 소금과 후추 노이즈, 사진에 흑백 점이 몇 개 더 있습니다.
-
, 왼쪽과 오른쪽의 최대 값과 최소값을 참조 할 수도 있습니다. 중앙값 필터는 위와 동일하며 중간 픽셀에도 할당됩니다. -
모델
-
API
-
medianBlur (Mat src, Mat dst, ksize)
-
-
-
-
양방향 필터링 : Gaussian bilateral blur- 엣지 보존을위한 필터링 방법으로 엣지 정보의 손실을 방지하고 이미지 윤곽을 보존합니다.
-
공간 분포와 수치를 모두 고려
-
모델
-
API
-
bilateralFilter (src, dst, d, sigmaColor, sigmaSpace)
-
매개 변수 : 원본 이미지, 출력 이미지, 계산 된 반경 (반경 내의 픽셀이 계산에 포함됨),
-
sigmaColor : 값이 클수록 색상 픽셀이 서로 영향을줍니다.
-
sigmaSpace : 값이 클수록 픽셀이 서로 영향을줍니다.
-
-