【机器视觉学习笔记】双边滤波算法(C++)

目录

  • 源码
    • 滤波器
    • 主函数
  • 效果
  • 完整源码

平台:Windows 10 20H2
Visual Studio 2015
OpenCV 4.5.3


本文所用源码修改自双边滤波(bilateral filter)以及联合双边滤波(joint bilateral filter)—— flow_specter

源码

滤波器

// 双边滤波
// @ src 待滤波的影像
// @ dst 输出的影像
void BilateralFilter(Mat& src, Mat& dst, int d, double sigmaColor, double sigmaSpace)
{dst = src.clone();int n_rows = dst.rows;int n_cols = dst.cols;int n_channels = dst.channels();int n_cols_with_channels = n_cols * n_channels;int half_kernel_size = d / 2;int index;double pixel_sum;double weight_sum = 0;double temp_bilateral_weight = 0;double color_kernel[256];// 颜色域权重确定// @ color_kernel 颜色域核,1D,长度为256for (int i = 0; i < 256; i++){color_kernel[i] = exp(-1.0 * (i * i) / (2 * sigmaColor * sigmaColor));}// 空间域权重确定// @ distance_kernel 空间域核,1D// **************************************************************************************************************double *distance_kernel;distance_kernel = new double[d * d];int k = d / 2;//二维动态数组申请空间double **distance_kernel_2D = new double*[d];for (int i = 0; i < d; i++)distance_kernel_2D[i] = new double[d];double delta_square = 2 * sigmaSpace * sigmaSpace; //分母for (int i = -k; i <= k; i++){for (int j = -k; j <= k; j++){double distance_numerator = i * i + j * j;distance_kernel_2D[i + k][j + k] = exp(-1.0 * distance_numerator / delta_square);}}// 将2D kernel 转换为 1D kernelfor (int i = 0; i < d; i++){for (int j = 0; j < d; j++){distance_kernel[d * i + j] = distance_kernel_2D[i][j];}}//释放二维动态数组空间for (int i = 0; i < d; i++)delete[] distance_kernel_2D[i];delete[] distance_kernel_2D;// **************************************************************************************************************// 边界不做处理for (int i = half_kernel_size; i < (n_rows - half_kernel_size); i++) {uchar* pt_dst = dst.ptr<uchar>(i);uchar* pt_src = src.ptr<uchar>(i);for (int j = n_channels * half_kernel_size; j < (n_cols_with_channels - n_channels * half_kernel_size); j++) {index = 0;pixel_sum = weight_sum = 0;// 内层kx,ky循环,空间域内滤波for (int kx = i - half_kernel_size; kx <= i + half_kernel_size; kx++) {uchar* pt_k_src = src.ptr<uchar>(kx);for (int ky = j - n_channels * half_kernel_size; ky <= (j + n_channels * half_kernel_size); ky += n_channels) {temp_bilateral_weight = distance_kernel[index++] * color_kernel[(int)abs(pt_src[j] - pt_k_src[ky])];weight_sum += temp_bilateral_weight;pixel_sum += (pt_k_src[ky] * temp_bilateral_weight); // 邻域某像素与中心点的双边权重乘积}}pixel_sum /= weight_sum; // 归一化pt_dst[j] = saturate_cast<uchar>(pixel_sum); //加权赋值}}delete[]distance_kernel;
}
//————————————————
//版权声明:本文为CSDN博主「flow_specter」的原创文章,遵循CC 4.0 BY - SA版权协议,转载请附上原文出处链接及本声明。
//原文链接:https ://blog.csdn.net/flow_specter/article/details/107557303

主函数

图片路径根据实际情况调整,注意反斜杠是转义字符的开头,故“\”应替换为“\”

int main(int argc, char * argv[])
{Mat src = imread("D:\\Work\\OpenCV\\Workplace\\Test_1\\face.jpg");Mat dst;BilateralFilter(src, dst, 23, 35, 10);imshow("原图", src);imshow("输出", dst);waitKey(0);return 0;
}

效果

在这里插入图片描述

完整源码

#include <opencv2\opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;// 双边滤波
// @ src 待滤波的影像
// @ dst 输出的影像
void BilateralFilter(Mat& src, Mat& dst, int d, double sigmaColor, double sigmaSpace)
{dst = src.clone();int n_rows = dst.rows;int n_cols = dst.cols;int n_channels = dst.channels();int n_cols_with_channels = n_cols * n_channels;int half_kernel_size = d / 2;int index;double pixel_sum;double weight_sum = 0;double temp_bilateral_weight = 0;double color_kernel[256];// 颜色域权重确定// @ color_kernel 颜色域核,1D,长度为256for (int i = 0; i < 256; i++){color_kernel[i] = exp(-1.0 * (i * i) / (2 * sigmaColor * sigmaColor));}// 空间域权重确定// @ distance_kernel 空间域核,1D// **************************************************************************************************************double *distance_kernel;distance_kernel = new double[d * d];int k = d / 2;//二维动态数组申请空间double **distance_kernel_2D = new double*[d];for (int i = 0; i < d; i++)distance_kernel_2D[i] = new double[d];double delta_square = 2 * sigmaSpace * sigmaSpace; //分母for (int i = -k; i <= k; i++){for (int j = -k; j <= k; j++){double distance_numerator = i * i + j * j;distance_kernel_2D[i + k][j + k] = exp(-1.0 * distance_numerator / delta_square);}}// 将2D kernel 转换为 1D kernelfor (int i = 0; i < d; i++){for (int j = 0; j < d; j++){distance_kernel[d * i + j] = distance_kernel_2D[i][j];}}//释放二维动态数组空间for (int i = 0; i < d; i++)delete[] distance_kernel_2D[i];delete[] distance_kernel_2D;// **************************************************************************************************************// 边界不做处理for (int i = half_kernel_size; i < (n_rows - half_kernel_size); i++) {uchar* pt_dst = dst.ptr<uchar>(i);uchar* pt_src = src.ptr<uchar>(i);for (int j = n_channels * half_kernel_size; j < (n_cols_with_channels - n_channels * half_kernel_size); j++) {index = 0;pixel_sum = weight_sum = 0;// 内层kx,ky循环,空间域内滤波for (int kx = i - half_kernel_size; kx <= i + half_kernel_size; kx++) {uchar* pt_k_src = src.ptr<uchar>(kx);for (int ky = j - n_channels * half_kernel_size; ky <= (j + n_channels * half_kernel_size); ky += n_channels) {temp_bilateral_weight = distance_kernel[index++] * color_kernel[(int)abs(pt_src[j] - pt_k_src[ky])];weight_sum += temp_bilateral_weight;pixel_sum += (pt_k_src[ky] * temp_bilateral_weight); // 邻域某像素与中心点的双边权重乘积}}pixel_sum /= weight_sum; // 归一化pt_dst[j] = saturate_cast<uchar>(pixel_sum); //加权赋值}}delete[]distance_kernel;
}
//————————————————
//版权声明:本文为CSDN博主「flow_specter」的原创文章,遵循CC 4.0 BY - SA版权协议,转载请附上原文出处链接及本声明。
//原文链接:https ://blog.csdn.net/flow_specter/article/details/107557303int main(int argc, char * argv[])
{Mat src = imread("D:\\Work\\OpenCV\\Workplace\\Test_1\\face.jpg");Mat dst;BilateralFilter(src, dst, 23, 35, 10);imshow("原图", src);imshow("输出", dst);waitKey(0);return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/400656.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

第二章:图像处理基础

第二章&#xff1a;图像处理基础操作一、图像的基本表示方法&#xff1a;1. 二值图像&#xff1a;2. 灰度图像&#xff1a;3. 彩色图像&#xff1a;二、像素处理&#xff1a;1. 二值图像及灰度图像&#xff1a;2.彩色图像&#xff1a;3. 使用numpy.array访问像素&#xff1a;三…

《Head First设计模式》 读书笔记16 其余的模式(二) 蝇量 解释器 中介者

《Head First设计模式》 读书笔记16 其余的模式&#xff08;二&#xff09; 蝇量 解释器 中介者 蝇量&#xff08;Flyweight Pattern&#xff09; 如想让某个类的一个实例能用来提供许多“虚拟实例”&#xff0c;就使用蝇量模式&#xff08;Flyweight Pattern&#xff09; 。 例…

洛谷P1525 关押罪犯

P1525 关押罪犯 题目描述 S 城现有两座监狱&#xff0c;一共关押着N 名罪犯&#xff0c;编号分别为1~N。他们之间的关系自然也极不和谐。很多罪犯之间甚至积怨已久&#xff0c;如果客观条件具备则随时可能爆发冲突。我们用“怨气值”&#xff08;一个正整数值&#xff09;来表示…

【机器视觉学习笔记】Hough变换直线检测(C++)

目录源码效果平台&#xff1a;Windows 10 20H2 Visual Studio 2015 OpenCV 4.5.3 本文源码摘自OpenCV2马拉松第22圈——Hough变换直线检测原理与实现 源码 #include <opencv2\opencv.hpp> #include <iostream> #include <opencv2\imgproc\types_c.h> #in…

第3章:图像运算

第3章&#xff1a;图像运算one. 图像加法运算&#xff1a;1. 加号运算符"":2. cv2.add()函数&#xff1a;two. 图像加权和&#xff1a;three. 按位逻辑运算&#xff1a;1. 按位与运算&#xff1a;2. 按位或运算&#xff1a;3.按位非运算&#xff1a;4. 按位异或运算&…

分页代码

/// <summary>/// 获得伪静态页码显示链接/// </summary>/// <param name"curPage">当前页数</param>/// <param name"countPage">总页数</param>/// <param name"url">超级链接地址</param>//…

JMS中的消息通信模型

1. MQ简介&#xff1a; 消息队列&#xff08;Message Queue&#xff0c;简称MQ&#xff09;,是应用程序与应用程序之间的一种通信方法。应用程序通过发送和检索出入列队的针对应用程序的数据 - 消息来通信&#xff0c;而无需专用连接来链接它们。程序之间通过在消息中发送数据进…

【机器视觉学习笔记】最近邻插值实现图片任意角度旋转(C++)

目录原理源码RotateImage主函数效果完整源码速度优化源码优化效果平台&#xff1a;Windows 10 20H2 Visual Studio 2015 OpenCV 4.5.3 本文算法改进自图形算法与实战&#xff1a;6.图像运动专题&#xff08;5&#xff09;图像旋转-基于近邻插值的图像旋转 —— 进击的CV 原理…

UGUI的优点新UI系统

UGUI的优点新UI系统 第1章 新UI系统概述 UGUI的优点新UI系统&#xff0c;新的UI系统相较于旧的UI系统而言&#xff0c;是一个巨大的飞跃&#xff01;有过旧UI系统使用体验的开发者&#xff0c;大部分都对它没有任何好感&#xff0c;以至于在过去的很长一段时间里&#xff0c;大…

【探索HTML5第二弹05】响应式布局(中),一步一步响应式布局

前言 前天初步探究了一次响应式布局&#xff0c;虽然花了一天功夫&#xff0c;做出来的东西还是不行&#xff0c;在此我还是认为要做响应式布局设计应该先行&#xff0c;应该先制作3个以上的设计图出来&#xff0c;但是对于手机来说&#xff0c;图片流量也是个问题&#xff0c;…

通过使用CSS字体阴影效果解决hover图片时显示文字看不清的问题

1.前言 最近需要加入一个小功能&#xff0c;在鼠标越过图片时&#xff0c;提示其大小和分辨率&#xff0c;而不想用增加属性title来提醒&#xff0c;不够好看。然而发现如果文字是一种颜色&#xff0c;然后总有概率碰到那张图上浮一层的文字会看不到&#xff0c;所以加入文字字…

第4章:色彩空间类型转换

第四章&#xff1a;色彩空间类型转换one. 色彩空间基础知识&#xff1a;1. GRAY色彩空间&#xff1a;2. XYZ色彩空间3. YCrCb色彩空间3. HSV色彩空间4. HLS 色彩空间5. CIEL * a * b *色彩空间6. CIEL * u * v *色彩空间7. Bayer色彩空间two. 类型转换函数&#xff1a;three. 类…

【机器视觉学习笔记】双线性插值实现图片任意角度旋转(C++)

目录原理源码RotateImage_BilinearInterpolation主函数效果与最近邻插值比较原图最近邻插值效果&#xff08;局部&#xff09;双线性插值效果&#xff08;局部&#xff09;完整源码平台&#xff1a;Windows 10 20H2 Visual Studio 2015 OpenCV 4.5.3 原理 如图所示&#xff0…

高德地图调用和添加标注

看过高德地图API的同学都知道&#xff0c;高德地图不同端调用是不一样的&#xff0c;作为一个前端菜鸟&#xff0c;前一阵分别在pc端和移动端分别调用了高德地图。情况是这个样子的&#xff0c;PC端呢我们可以用高德API的web端的javascript代码。调用没有问题&#xff0c;具体是…

第5章 - 几何变换

第五章-几何变换one. 缩放:two. 翻转&#xff1a;three. 仿射&#xff1a;1. 平移&#xff1a;2. 旋转&#xff1a;3. 更多复杂的仿射变换&#xff1a;four. 透视&#xff1a;five. 重映射&#xff1a;1. 映射参数的理解&#xff1a;2. 复制&#xff1a;3. 绕x轴旋转&#xff1…

安装设置Android Studio Win7安装

发一下牢骚和主题无关&#xff1a; 让人等待已久的Google I/O 2013 大会没有给我们带来Android5.0&#xff0c;也没有带来Adnroid4.3等等&#xff0c;但带来了Android Studio&#xff0c;虽说是预览版&#xff0c;又是基于Intellij IDEA&#xff0c; 但是也无不让开辟者们高兴。…

【树莓派学习笔记】一、烧录系统、(无屏幕)配置Wifi和SSH服务

目录系统镜像的准备格式化TF卡烧录镜像配置Wifi开启SSH服务第一次开机平台&#xff1a;树莓派3B 版本&#xff1a; 2021-05-07-raspios-buster-armhf 系统镜像的准备 树莓派资源里有许多资源&#xff0c;包括我们要用到的镜像。 格式化TF卡 将TF卡格式化为FAT32格式。 …

Linux中Oracle的sqlplus下退格和Del键无效的问题解决

利用rlwrap工具解决方法 1、安装rlwrap和readline库 CentOS下可以用EPEL的yum源直接安装&#xff0c;步骤如下&#xff1a; &#xff08;1&#xff09;RHEL/CentOS/SL Linux 6.x 下安装 EPEL6 yum源&#xff1a; 32位系统选择&#xff1a; # rpm -ivh http://download.fedorap…

No tag datetimepicker defined in tag library imported with prefix s解决

今天在学习Struts2标签中的datetimepicker出现这样一个exception&#xff1a; No tag "datetimepicker" defined in tag library imported with prefix "s" 原因&#xff1a; struts2.3.8 把struts2中的和ajax相关的&#xff0c;如datetimepicker&#xff…

2sum、3sum、4sum以及任意连续的数的和为sum、任意连续或者不连续的数的和为sum...

2sum 如果数组是无序的&#xff0c;先排序&#xff08;n*logn&#xff09;&#xff0c;然后用两个指针i&#xff0c;j&#xff0c;各自指向数组的首尾两端&#xff0c;令i0&#xff0c;jn-1&#xff0c;然后i&#xff0c;j--&#xff0c;逐次判断a[i]a[j]?sum&#xff0c;如果…