텍스트가 원래 문서의 경우, 허가없이 복제 할 수 없다
원래 블로거의 블로그 주소 : https://blog.csdn.net/qq21497936
원래 블로거 탐색 블로그 : https://blog.csdn.net/qq21497936/article/details / 102 478 062
이 문서의 블로그 주소 : https://blog.csdn.net/qq21497936/article/details/104490409

디렉토리

"OpenCV의 개발 정보 (XX) 알고리즘의 비교를 위해 비선형 필터링 기준 - 여과의 양자의 값은"해제 될

"OpenCV의 개발 노트 (XXI) : 형태 학적 필터링 알고리즘의 기초 - 인플레이션은"발매 예정

"OpenCV의 개발 정보 (XXII) 형태학 필터링 알고리즘의 기초 - 부식"해제 될

"OpenCV의 개발 정보 (XXIII) 형태학 필터링 알고리즘의 기초 - (부식 1 팽창 후) 개방 동작"게시 할

"OpenCV의 개발 노트 (24) 형태 적 필터링 알고리즘에 기초하여 - (부식 1 팽창 후) 개폐 동작"게시 할

"OpenCV의 개발 노트 (XXV) : 형태 학적 필터링 알고리즘의 기초 - 흰색 모자"발매 예정

"OpenCV의 개발 노트 (26) : 형태 학적 필터링 알고리즘의 기초 - 블랙 햇 (Black Hat)은"발매 예정

보충에 계속 ...

OpenCV의 개발 노트 (XVI) : 선형 필터링을위한 기본 알고리즘 - 가우시안 필터

머리말

이 장에서는 가우시안 필터와 선형 필터링을 설명한다.

데모

가우시안 필터

개요

가우시안 필터링은 가우시안 커널 산 컨벌루션 각 픽셀 어레이에 입력 한 화소 값과 컨벌루션 출력된다. 화상을 평활화 한 후 가우스 필터 처리는 표준 편차에 의존한다.

가우시안 필터 출력은 더 부드럽고 매끄러운 에지 보존도 좋았다이며, 평균 필터에 대해, 따라서 동안 가까운 중앙 높은 가중치에서 화소 당해 상품의 가중 평균이고,.

화상 처리에서는, 가우시안 필터는 일반적으로 두 가지 방법으로 구현된다 :

창 이산 컨벌루션 슬라이딩 창 : 이산 윈도우를 슬라이딩 윈도우 계산이 매우 많은 양이 매우 큰 경우 (즉, 구현 분리 필터를 사용하여) 구현은 퓨리에 기반으로 간주 될 수있다 변환 .
푸리에 변환;

특징

가우시안 필터링은 다음과 같이 가장 유용한 필터 필터 특성이있다 :

덜 왜곡 : 단일 값 함수는 가우시안 함수 대신 화소의 저장소 가우스 필드의 픽셀 가중 평균값은 상기 화소의 왜곡을 감소, 체중 단조롭게 거리에 따라 변화한다.
회전 대칭 : 회전에 대한 저항을 갖는 가우스 함수, 가우스 성도 평활화 각 방향은, 방향성에 대한 소음 본 견적 매끄러운 성능이 임의의 방향으로 편향되지 않도록하기 어렵고, 동일하다.
되지 주파수에 영향을 푸리에 가우스 함수 변환하는 스펙트럼의 하나의 로브이며, 가우시안 필터는 원하는 신호의 대부분을 유지하면서 평활화 화상의 불필요한 고주파 신호에 의해 영향을받지 않을 것이다.
제어 잡음 파라미터 : 분산의 정도에 의해 가우시안 평활화 필터 (σ)]는 결정 (σ)]은 ,보다 광대역, 평활화의 개선 정도는, 화상 노이즈는 제어 매개 변수가 제공 될 수있다.
박리 : 이차원 가우스 컨벌루션은 두 단계, 첫번째 이미지 및 하나의 차원 가우스 함수의 컨볼 루션, 콘볼 루션 결과와 같은 하나의 차원 가우스 함수의 컨볼 루션에 수직 한 방향으로 수행 될 수있다.

함수 프로토 타입

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

매개 변수는 : 일반적으로 이력서 :: 매트를 입력 InputArray 및 이미지 채널의 수를 처리 할 수 있습니다. 참고하지만, 사진의 깊이로 처리해야 CV_8U , CV_16U , CV_16S , CV_32F , CV_64F의 하나.
매개 변수 두 , OutputArray 유형, 출력 대상 이미지는 원래 사진을 필요로하고 동일한 크기와 유형이있다.
세 개의 매개 변수 : 크기를 입력 ksize, 하위 계정의 크기입니다. (H, w) 통용 사이즈가 3 × 3 크기의 서브 회계 크기 (3,3)의 크기를 나타내는 것은로 표시되는 서브 차지하는 W와 H는 서로 다른 크기 일 수있다.
네 개의 매개 변수 : double 형 sigmaX는 X 방향의 가우스 커널 함수의 표준 편차를 나타냅니다.
5 개 개의 매개 변수 : double 형 sigmaY는, Y 방향의 가우스 커널 함수의 표준 편차를 나타냅니다.

위, sigmaX 및 sigmaY가 0 인 경우, 하위 계정을 사용하여 계산의 기본 :

여섯 개 매개 변수 : INT 형 borderType, 외부 경계 픽셀의 특정 이미지 모드를 추론은, 기본은 일반적으로 사용하지 않고, BORDER_DEFULAT 값.

소스 데모

void OpenCVManager::testGaussianBlurFilter()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows),
                                srcMat.type());
    int ksize = 1;      // 核心大小
    int sigmaX = 0;  // x方向的标准偏差
    int sigmaY = 0;  // y方向的标准偏差
    cvui::window(windowMat, dstMat.cols, 0, dstMat.cols, dstMat.rows, "settings");
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原图先copy到左边
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);
        // 中间为调整滤波参数的相关设置
        cvui::printf(windowMat, 375, 20, "ksize = size *  2 + 1");
        cvui::trackbar(windowMat, 375, 30, 165, &ksize, 0, 10);

        cvui::printf(windowMat, 375, 80, "sigmaX");
        cvui::trackbar(windowMat, 375, 90, 165, &sigmaX, 0, 100);

        cvui::printf(windowMat, 375, 140, "sigmaY");
        cvui::trackbar(windowMat, 375, 150, 165, &sigmaY, 0, 100);

        // 高斯滤波
        cv::GaussianBlur(srcMat, dstMat, cv::Size(ksize * 2 + 1, ksize * 2 + 1), sigmaX / 10.f, sigmaY / 10.f);

        // 效果图copy到右边
        // 注意：rang从位置1到位置2，不是位置1+宽度
        cv::Mat rightMat = windowMat(cv::Range(0, srcMat.rows),
                                     cv::Range(srcMat.cols * 2, srcMat.cols * 3));
        cv::addWeighted(rightMat, 0.0f, dstMat, 1.0f, 0.0f, rightMat);
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}