圖像濾波總結（面試經驗總結）https://blog.csdn.net/Darlingqiang/article/details/79507468

目錄

part one 圖像平滑處理

1原理

2代碼

3效果

part two 腐蝕與膨脹(Eroding and Dilating)

1原理

2代碼

3運行結果

part three更多形態學變換?

1 原理

2 代碼

3 結果

---

part one 圖像平滑處理

1原理

• 平滑?也稱?模糊, 是一項簡單且使用頻率很高的圖像處理方法。

• 平滑處理的用途有很多， 但是在本教程中我們僅僅關注它減少噪聲的功用 (其他用途在以后的教程中會接觸到)。

• 平滑處理時需要用到一個?濾波器?。 最常用的濾波器是?線性?濾波器，線性濾波處理的輸出像素值 (i.e.?) 是輸入像素值 (i.e.?)的加權和 :

  ?稱為?核, 它僅僅是一個加權系數。

  不妨把?濾波器?想象成一個包含加權系數的窗口，當使用這個濾波器平滑處理圖像時，就把這個窗口滑過圖像。

• 濾波器的種類有很多， 這里僅僅提及最常用的:

1.1歸一化塊濾波器 (Normalized Box Filter)

• 最簡單的濾波器， 輸出像素值是核窗口內像素值的 均值 ( 所有像素加權系數相等)

• 核如下:

1.2高斯濾波器 (Gaussian Filter)

• 最有用的濾波器 (盡管不是最快的)。 高斯濾波是將輸入數組的每一個像素點與 高斯內核 卷積將卷積和當作輸出像素值。

• 還記得1維高斯函數的樣子嗎?

  ?

  假設圖像是1維的,那么觀察上圖，不難發現中間像素的加權系數是最大的， 周邊像素的加權系數隨著它們遠離中間像素的距離增大而逐漸減小。

Note

?

2維高斯函數可以表達為 :

其中 為均值 (峰值對應位置)，

代表標準差 (變量 和 變量 各有一個均值，也各有一個標準差)

1.3中值濾波器 (Median Filter)

中值濾波將圖像的每個像素用鄰域 (以當前像素為中心的正方形區域)像素的 中值 代替 。

1.4雙邊濾波 (Bilateral Filter)

• 目前我們了解的濾波器都是為了 平滑 圖像， 問題是有些時候這些濾波器不僅僅削弱了噪聲， 連帶著把邊緣也給磨掉了。 為避免這樣的情形 (至少在一定程度上 ), 我們可以使用雙邊濾波。

• 類似于高斯濾波器，雙邊濾波器也給每一個鄰域像素分配一個加權系數。 這些加權系數包含兩個部分, 第一部分加權方式與高斯濾波一樣，第二部分的權重則取決于該鄰域像素與當前像素的灰度差值。

• 詳細的解釋可以查看 鏈接

2代碼

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
?
using namespace std;
using namespace cv;
?
/// 全局變量
int DELAY_CAPTION = 15000;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;
?
Mat src; Mat dst;
char window_name[] = "Filter Demo 1";
?
/// 函數申明
int display_caption(char* caption);
int display_dst(int delay);
?
/**
*  main 函數
*/
int main(int argc, char** argv)
{namedWindow(window_name, CV_WINDOW_AUTOSIZE);
?/// 載入原圖像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\4.jpg", 1);
?if (display_caption("Original Image") != 0) { return 0; }
?dst = src.clone();if (display_dst(DELAY_CAPTION) != 0) { return 0; }/// 使用 均值平滑if (display_caption("Homogeneous Blur") != 0) { return 0; }
?for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){blur(src, dst, Size(i, i), Point(-1, -1));if (display_dst(DELAY_BLUR) != 0) { return 0; }}
?/// 使用高斯平滑if (display_caption("Gaussian Blur") != 0) { return 0; }
?for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){GaussianBlur(src, dst, Size(i, i), 0, 0);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
?/// 使用中值平滑if (display_caption("Median Blur") != 0) { return 0; }
?for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){medianBlur(src, dst, i);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
?/// 使用雙邊平滑if (display_caption("Bilateral Blur") != 0) { return 0; }
?for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){bilateralFilter(src, dst, i, i * 2, i / 2);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
?/// 等待用戶輸入display_caption("End: Press a key!");
?waitKey(0);return 0;
}
?
int display_caption(char* caption)
{dst = Mat::zeros(src.size(), src.type());putText(dst, caption,Point(src.cols / 4, src.rows / 2),CV_FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255));
?imshow(window_name, dst);int c = waitKey(DELAY_CAPTION);if (c >= 0) { return -1; }return 0;
}
?
int display_dst(int delay)
{imshow(window_name, dst);int c = waitKey(delay);if (c >= 0) { return -1; }return 0;
}

createTrackbar 的使用

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
?
using namespace std;
using namespace cv;
//拖動條回調函數
void onChangeTrackBar(int pos, void *data)
{//強制類型轉換Mat srcImage = *(cv::Mat*)(data);Mat dstImage;//根據拖動條的值對傳入圖像進行二值化threshold(srcImage, dstImage, pos, 255, 0);imshow("threshold", dstImage);
}
int main()
{//讀取圖像Mat srcImage = imread("C:\\Users\\guoqi\\Desktop\\ch7\\1.jpg", IMREAD_UNCHANGED);if (!srcImage.data) {cout << "read failed" << endl;system("pause");return -1;}//原圖像轉換灰度圖Mat srcGray;cvtColor(srcImage, srcGray, CV_RGB2GRAY);namedWindow("threshold");//創建窗口imshow("threshold", srcGray);//創建滑動條createTrackbarcreateTrackbar("pos", "threshold",0, 255, onChangeTrackBar, &srcImage);waitKey(0);return 0;
}

?

3效果

?

part two 腐蝕與膨脹(Eroding and Dilating)

1原理

1.1形態學操作?

• 簡單講，形態學操作就是基于形狀的一系列圖像處理操作。將 結構元素 作用于輸入圖像來產生輸出圖像。

• 最基本的形態學操作有二：腐蝕與膨脹(Erosion 與 Dilation)。 他們的運用廣泛:

  • 消除噪聲

  • 分割(isolate)獨立的圖像元素，以及連接(join)相鄰的元素。

  • 尋找圖像中的明顯的極大值區域或極小值區域。

• 通過以下圖像，我們簡要來討論一下膨脹與腐蝕操作(譯者注：注意這張圖像中的字母為黑色，背景為白色，而不是一般意義的背景為黑色，前景為白色）:

• ?

  ?

  1.2膨脹

  • 此操作將圖像 與任意形狀的內核 ()，通常為正方形或圓形,進行卷積。

  • 內核 有一個可定義的 錨點, 通常定義為內核中心點。

  • 進行膨脹操作時，將內核 劃過圖像,將內核 覆蓋區域的最大相素值提取，并代替錨點位置的相素。顯然，這一最大化操作將會導致圖像中的亮區開始”擴展” (因此有了術語膨脹 dilation )。對上圖采用膨脹操作我們得到:

  背景(白色)膨脹，而黑色字母縮小了。

  1.3腐蝕

  • 腐蝕在形態學操作家族里是膨脹操作的孿生姐妹。它提取的是內核覆蓋下的相素最小值。

  • 進行腐蝕操作時，將內核 劃過圖像,將內核 覆蓋區域的最小相素值提取，并代替錨點位置的相素。

  • 以與膨脹相同的圖像作為樣本,我們使用腐蝕操作。從下面的結果圖我們看到亮區(背景)變細，而黑色區域(字母)則變大了。

2代碼

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "highgui.h"
#include <stdlib.h>
#include <stdio.h>
?
using namespace cv;
?
/// 全局變量
Mat src, erosion_dst, dilation_dst;
?
int erosion_elem = 0;
int erosion_size = 0;
int dilation_elem = 0;
int dilation_size = 0;
int const max_elem = 2;
int const max_kernel_size = 21;
?
/** Function Headers */
void Erosion(int, void*);
void Dilation(int, void*);
?
/** @function main */
int main(int argc, char** argv)
{/// Load 圖像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\1.jpg", IMREAD_UNCHANGED);
?if (!src.data){return -1;}
?/// 創建顯示窗口namedWindow("Erosion Demo", CV_WINDOW_AUTOSIZE);namedWindow("Dilation Demo", CV_WINDOW_AUTOSIZE);cvMoveWindow("Dilation Demo", src.cols, 0);
?/// 創建腐蝕 TrackbarcreateTrackbar("Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Erosion Demo",&erosion_elem, max_elem,Erosion);
?createTrackbar("Kernel size:\n 2n +1", "Erosion Demo",&erosion_size, max_kernel_size,Erosion);
?/// 創建膨脹 TrackbarcreateTrackbar("Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Dilation Demo",&dilation_elem, max_elem,Dilation);
?createTrackbar("Kernel size:\n 2n +1", "Dilation Demo",&dilation_size, max_kernel_size,Dilation);
?/// Default startErosion(0, 0);Dilation(0, 0);
?waitKey(0);return 0;
}
?
/**  @function Erosion  */
void Erosion(int, void*)
{int erosion_type;if (erosion_elem == 0) { erosion_type = MORPH_RECT; }else if (erosion_elem == 1) { erosion_type = MORPH_CROSS; }else if (erosion_elem == 2) { erosion_type = MORPH_ELLIPSE; }
?Mat element = getStructuringElement(erosion_type,Size(2 * erosion_size + 1, 2 * erosion_size + 1),Point(erosion_size, erosion_size));
?/// 腐蝕操作erode(src, erosion_dst, element);imshow("Erosion Demo", erosion_dst);
}
?
/** @function Dilation */
void Dilation(int, void*)
{int dilation_type;if (dilation_elem == 0) { dilation_type = MORPH_RECT; }else if (dilation_elem == 1) { dilation_type = MORPH_CROSS; }else if (dilation_elem == 2) { dilation_type = MORPH_ELLIPSE; }
?Mat element = getStructuringElement(dilation_type,Size(2 * dilation_size + 1, 2 * dilation_size + 1),Point(dilation_size, dilation_size));///膨脹操作dilate(src, dilation_dst, element);imshow("Dilation Demo", dilation_dst);
}

?

3運行結果

?

part three更多形態學變換?

這篇文檔將會簡要介紹OpenCV提供的5種高級形態學操作：

1 原理

1.1開運算 (Opening)

開運算是通過先對圖像先腐蝕再膨脹實現的。

• 能夠排除小團塊物體(假設物體較背景明亮)

• 請看下面，左圖是原圖像，右圖是采用開運算轉換之后的結果圖。 觀察發現字母拐彎處的白色空間消失。

1.2閉運算(Closing)

• 閉運算是通過先對圖像先膨脹再腐蝕實現的。

• 能夠排除小型黑洞(黑色區域)。

1.3形態梯度(Morphological Gradient)

• 膨脹圖與腐蝕圖之差

• 能夠保留物體的邊緣輪廓，如下所示:

1.4頂帽(Top Hat)

• 原圖像與開運算結果圖之差

1.5黑帽(Black Hat)

• 閉運算結果圖與原圖像之差

2 代碼

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
?
using namespace cv;
?
/// 全局變量
Mat src, dst;
?
int morph_elem = 0;
int morph_size = 0;
int morph_operator = 0;
int const max_operator = 4;
int const max_elem = 2;
int const max_kernel_size = 21;
?
char* window_name = "Morphology Transformations Demo";
?
/** 回調函數申明 */
void Morphology_Operations(int, void*);
?
/** @函數 main */
int main(int argc, char** argv)
{/// 裝載圖像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\7.jpg", IMREAD_UNCHANGED);
?if (!src.data){return -1;}
?/// 創建顯示窗口namedWindow(window_name, CV_WINDOW_AUTOSIZE);
?/// 創建選擇具體操作的 trackbarcreateTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations);
?/// 創建選擇內核形狀的 trackbarcreateTrackbar("Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,&morph_elem, max_elem,Morphology_Operations);
?/// 創建選擇內核大小的 trackbarcreateTrackbar("Kernel size:\n 2n +1", window_name,&morph_size, max_kernel_size,Morphology_Operations);
?/// 啟動使用默認值Morphology_Operations(0, 0);
?waitKey(0);return 0;
}
?
/**
* @函數 Morphology_Operations
*/
void Morphology_Operations(int, void*)
{// 由于 MORPH_X的取值范圍是: 2,3,4,5 和 6int operation = morph_operator + 2;
?Mat element = getStructuringElement(morph_elem, Size(2 * morph_size + 1, 2 * morph_size + 1), Point(morph_size, morph_size));
?/// 運行指定形態學操作morphologyEx(src, dst, operation, element);imshow(window_name, dst);
}

看一下程序的總體流程:

• 裝載圖像

• 創建顯示形態學操作的窗口

• 創建3個trackbar獲取用戶參數:

  • 第一個trackbar “Operator” 返回用戶選擇的形態學操作類型 (morph_operator).

    createTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat",window_name, &morph_operator, max_operator,Morphology_Operations );

  • 第二個trackbar “Element” 返回 morph_elem, 指定內核形狀:

    createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,&morph_elem, max_elem,Morphology_Operations );

  • 第三個trackbar “Kernel Size” 返回內核大小(morph_size)

    createTrackbar( "Kernel size:\n 2n +1", window_name,&morph_size, max_kernel_size,Morphology_Operations );

• 每當任一標尺被移動， 用戶函數 Morphology_Operations 就會被調用，該函數獲取trackbar的當前值運行指定操作并更新顯示結果圖像。

   /*** @函數 Morphology_Operations*/
  void Morphology_Operations( int, void* )
  {// 由于 MORPH_X的取值范圍是: 2,3,4,5 和 6int operation = morph_operator + 2;
  ?Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
  ?/// 運行指定形態學操作morphologyEx( src, dst, operation, element );imshow( window_name, dst );}

  運行形態學操作的核心函數是 morphologyEx 。在本例中，我們使用了4個參數(其余使用默認值):

  • src : 原 (輸入) 圖像

  • dst: 輸出圖像

  • operation

    : 需要運行的形態學操作。 我們有5個選項:

    • ***Opening*: MORPH_OPEN : 2**

    • ***Closing*: MORPH_CLOSE: 3**

    • ***Gradient*: MORPH_GRADIENT: 4**

    • ***Top Hat*: MORPH_TOPHAT: 5**

    • ***Black Hat*: MORPH_BLACKHAT: 6**

  你可以看到， 它們的取值范圍是 <2-6>, 因此我們要將從tracker獲取的值增加(+2):

  int operation = morph_operator + 2;

  • element: 內核，可以使用函數:get_structuring_element:getStructuringElement <> 自定義。

3 結果

這里是顯示窗口的兩個截圖。第一幅圖顯示了使用交錯內核和?開運算?之后的結果， 第二幅圖顯示了使用橢圓內核和?黑帽?之后的結果。

橢圓內核和 黑帽 之后的結果。

?

總結

以上是生活随笔為你收集整理的OpenCV 【十八】图像平滑处理/腐蚀与膨胀(Eroding and Dilating)/开闭运算，形态梯度，顶帽，黑帽运算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。