OpenCV4.9处理平滑图像

返回：OpenCV系列文章目录（持续更新中......）

上一篇：使用OpenCV4.9的随机生成器和文本

下一篇：OpenCV系列文章目录（持续更新中......）

目标

在本教程中，您将学习如何使用 OpenCV 函数将不同的线性滤波器应用于平滑图像，例如：

blur()
GaussianBlur()
medianBlur()
bilateralFilter()

代码：

这个程序是做什么的？
- 加载图像
- 应用 4 种不同类型的滤镜（在理论中解释）并按顺序显示滤波后的图像

可下载代码：点击这里
代码一览：

C++：

 
#include <iostream>
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"using namespace std;
using namespace cv;int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;Mat src; Mat dst;
char window_name[] = "Smoothing Demo";int display_caption( const char* caption );
int display_dst( int delay );int main( int argc, char ** argv )
{namedWindow( window_name, WINDOW_AUTOSIZE );const char* filename = argc >=2 ? argv[1] : "lena.jpg";src = imread( samples::findFile( filename ), IMREAD_COLOR );if (src.empty()){printf(" Error opening image\n");printf(" Usage:\n %s [image_name-- default lena.jpg] \n", argv[0]);return EXIT_FAILURE;}if( display_caption( "Original Image" ) != 0 ){return 0;}dst = src.clone();if( display_dst( DELAY_CAPTION ) != 0 ){return 0;}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;}}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;}}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;}}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;}}display_caption( "Done!" );return 0;
}int display_caption( const char* caption )
{dst = Mat::zeros( src.size(), src.type() );putText( dst, caption,Point( src.cols/4, src.rows/2),FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );return display_dst(DELAY_CAPTION);
}int display_dst( int delay )
{imshow( window_name, dst );int c = waitKey ( delay );if( c >= 0 ) { return -1; }return 0;
}

Java：

import org.opencv.core.*;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;class SmoothingRun {int DELAY_CAPTION = 1500;int DELAY_BLUR = 100;int MAX_KERNEL_LENGTH = 31;Mat src = new Mat(), dst = new Mat();String windowName = "Filter Demo 1";public void run(String[] args) {String filename = ((args.length > 0) ? args[0] : "../data/lena.jpg");src = Imgcodecs.imread(filename, Imgcodecs.IMREAD_COLOR);if( src.empty() ) {System.out.println("Error opening image");System.out.println("Usage: ./Smoothing [image_name -- default ../data/lena.jpg] \n");System.exit(-1);}if( displayCaption( "Original Image" ) != 0 ) { System.exit(0); }dst = src.clone();if( displayDst( DELAY_CAPTION ) != 0 ) { System.exit(0); }if( displayCaption( "Homogeneous Blur" ) != 0 ) { System.exit(0); }for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.blur(src, dst, new Size(i, i), new Point(-1, -1));displayDst(DELAY_BLUR);}if( displayCaption( "Gaussian Blur" ) != 0 ) { System.exit(0); }for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.GaussianBlur(src, dst, new Size(i, i), 0, 0);displayDst(DELAY_BLUR);}if( displayCaption( "Median Blur" ) != 0 ) { System.exit(0); }for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.medianBlur(src, dst, i);displayDst(DELAY_BLUR);}if( displayCaption( "Bilateral Blur" ) != 0 ) { System.exit(0); }for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.bilateralFilter(src, dst, i, i * 2, i / 2);displayDst(DELAY_BLUR);}displayCaption( "Done!" );System.exit(0);}int displayCaption(String caption) {dst = Mat.zeros(src.size(), src.type());Imgproc.putText(dst, caption,new Point(src.cols() / 4, src.rows() / 2),Imgproc.FONT_HERSHEY_COMPLEX, 1, new Scalar(255, 255, 255));return displayDst(DELAY_CAPTION);}int displayDst(int delay) {HighGui.imshow( windowName, dst );int c = HighGui.waitKey( delay );if (c >= 0) { return -1; }return 0;}
}public class Smoothing {public static void main(String[] args) {// Load the native library.System.loadLibrary(Core.NATIVE_LIBRARY_NAME);new SmoothingRun().run(args);}
}

Python：

import sys
import cv2 as cv
import numpy as np# Global VariablesDELAY_CAPTION = 1500
DELAY_BLUR = 100
MAX_KERNEL_LENGTH = 31src = None
dst = None
window_name = 'Smoothing Demo' def main(argv):cv.namedWindow(window_name, cv.WINDOW_AUTOSIZE)# Load the source imageimageName = argv[0] if len(argv) > 0 else 'lena.jpg'global srcsrc = cv.imread(cv.samples.findFile(imageName))if src is None:print ('Error opening image')print ('Usage: smoothing.py [image_name -- default ../data/lena.jpg] \n')return -1if display_caption('Original Image') != 0:return 0global dstdst = np.copy(src)if display_dst(DELAY_CAPTION) != 0:return 0# Applying Homogeneous blurif display_caption('Homogeneous Blur') != 0:return 0 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.blur(src, (i, i))if display_dst(DELAY_BLUR) != 0:return 0 # Applying Gaussian blurif display_caption('Gaussian Blur') != 0:return 0 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.GaussianBlur(src, (i, i), 0)if display_dst(DELAY_BLUR) != 0:return 0 # Applying Median blurif display_caption('Median Blur') != 0:return 0 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.medianBlur(src, i)if display_dst(DELAY_BLUR) != 0:return 0 # Applying Bilateral Filterif display_caption('Bilateral Blur') != 0:return 0 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.bilateralFilter(src, i, i * 2, i / 2)if display_dst(DELAY_BLUR) != 0:return 0 # Donedisplay_caption('Done!')return 0 def display_caption(caption):global dstdst = np.zeros(src.shape, src.dtype)rows, cols, _ch = src.shapecv.putText(dst, caption,(int(cols / 4), int(rows / 2)),cv.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255))return display_dst(DELAY_CAPTION) def display_dst(delay):cv.imshow(window_name, dst)c = cv.waitKey(delay)if c >= 0 : return -1return 0 if __name__ == "__main__":main(sys.argv[1:])

解释

让我们检查一下仅涉及平滑过程的 OpenCV 函数，因为其余的现在已经知道了。

归一化块滤波器：

OpenCV 提供了函数 blur（） 来使用此过滤器执行平滑处理。我们指定 4 个参数（更多详细信息，请查看参考）：
- src：源图片
- dst：目标图像
- Size（ w， h ）：定义要使用的内核的大小（宽度 w 像素和高度 h 像素）
- Point（-1， -1）：指示锚点（评估的像素）相对于邻域的位置。如果存在负值，则将内核的中心视为锚点。
- C++：

 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.blur(src, (i, i))if display_dst(DELAY_BLUR) != 0:return 0

Java：

 for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.blur(src, dst, new Size(i, i), new Point(-1, -1));displayDst(DELAY_BLUR);}

Python：

 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.blur(src, (i, i))if display_dst(DELAY_BLUR) != 0:return 0

Gaussian Filter:

它由函数 GaussianBlur（） 执行：这里我们使用 4 个参数（更多细节，请查看 OpenCV 参考）：

C++：

 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;}}

Java：

 for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.blur(src, dst, new Size(i, i), new Point(-1, -1));displayDst(DELAY_BLUR);}

python：

 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.GaussianBlur(src, (i, i), 0)if display_dst(DELAY_BLUR) != 0:return 0

中值过滤器：

此过滤器由 medianBlur()函数提供：我们使用三个参数：
- src：源图片
- dst：目标镜像，必须与 src 类型相同
- i：内核的大小（只有一个，因为我们使用方形窗口）。一定是奇怪的。

C++：

 for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 ){medianBlur ( src, dst, i );if( display_dst( DELAY_BLUR ) != 0 ){return 0;}}

Java：

 for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.medianBlur(src, dst, i);displayDst(DELAY_BLUR);}

Python：

 for i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.medianBlur(src, i)if display_dst(DELAY_BLUR) != 0:return 0

双边过滤器

由 OpenCV 函数 bilateralFilter（） 提供我们使用 5 个参数:
- src：源图片
- dst：目标图像
- d：每个像素邻域的直径。

C++：

 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;}}

Java：

 for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2) {Imgproc.bilateralFilter(src, dst, i, i * 2, i / 2);displayDst(DELAY_BLUR);}

Python：

 # Remember, bilateral is a bit slow, so as value go higher, it takes long timefor i in range(1, MAX_KERNEL_LENGTH, 2):dst = cv.bilateralFilter(src, i, i * 2, i / 2)if display_dst(DELAY_BLUR) != 0:return 0