目录

1.可分离滤波的原理

2.可分离滤波函数sepFilter2D()

3.示例代码

---

1.可分离滤波的原理

       可分离滤波的原理基于滤波器的可分离性。对于一个二维滤波器，如果它可以表示为水平方向和垂直方向两个一维滤波器的卷积，那么它就是可分离的。也就是说，一个二维滤波器可以通过两次一维卷积来实现，分别在水平和垂直方向进行滤波。

2.可分离滤波函数sepFilter2D()

void cv::sepFilter2D ( InputArray  src,

OutputArray dst,

int   ddepth,

InputArray   kernelX,

InputArray    kernelY,

Point       anchor = point(-1,-1),

double        delta =0 ,

int     borderType = BORDER_DEFAULT

)

• src:待滤波图像
• dst:输出图像，与输入图像src具有相同的尺寸、通道数和数据类型
• ddepth: 输出图像的数据类型(深度)。
• kernelX:X方向的滤波器
• kernelY:Y方向的滤波器
• anchor:内核的基准点(锚点)，其默认值为(-1,-1)代表内核基准点位于kernel的中心位置delta: 偏值，在计算结果中加上偏值。
• borderType:像素外推法选择标志。

3.示例代码

 展示如何使用可分离滤波在图像上应用高斯滤波：

//可分离滤波
void  Separable_filtering(Mat image){// 定义滤波器大小和标准差int ksize = 3;double sigma = 1.0;// 获取水平方向和垂直方向的高斯滤波器cv::Mat kernelX = cv::getGaussianKernel(ksize, sigma);cv::Mat kernelY = cv::getGaussianKernel(ksize, sigma);// 计算水平方向和垂直方向上的一维滤波器cv::Mat kernelXY = kernelX * kernelY.t();// 执行可分离滤波cv::Mat result;cv::sepFilter2D(image, result, -1, kernelX, kernelY);}

在上述示例中，cv::getGaussianKernel()函数用于获取高斯滤波器。ksize参数表示滤波器的大小，sigmaX和sigmaY参数表示X和Y方向上的标准差。

通过将一维滤波器应用于图像的两个方向，并使用cv::sepFilter2D()函数将它们结合起来，我们可以实现高效的可分离滤波操作。