企业网站asp源码,做点心的网站,wordpress后台模版,网页生成二维码源码OpenCV filter2D函数简介 OpenCV filter2D将图像与内核进行卷积#xff0c;将任意线性滤波器应用于图像。支持就地操作。当孔径部分位于图像之外时#xff0c;该函数根据指定的边界模式插值异常像素值。 该函数实际上计算相关性#xff0c;而不是卷积#xff1a; filter… OpenCV filter2D函数简介 OpenCV filter2D将图像与内核进行卷积将任意线性滤波器应用于图像。支持就地操作。当孔径部分位于图像之外时该函数根据指定的边界模式插值异常像素值。 该函数实际上计算相关性而不是卷积 filter2D函数的原型如下 void cv::filter2DInputArray src OutputArray dst int ddepth InputArray kernel Point anchor Point-1-1), double delta 0 int borderType BORDER_DEFAULT )
参数 src 输入图像 dst 输出图像与 src 大小相同、通道数相同 ddepth 目标图像的所需深度 kernel 卷积核或者更确切地说是相关核单通道浮点矩阵如果要将不同的内核应用于 不同的通道请使用 split 将图像分割为单独的颜色平面并单独处理它们。 anchor 内核的锚点指示内核中过滤点的相对位置锚应该位于内核内默认值-1-1 表示锚点位于内核中心。 delta 在将过滤像素存储到 dst 之前添加到过滤像素的可选值。 borderType 像素外推方法。可以选以下几种BORDER_CONSTANTBORDER_REPLICATEBORDER_REFLECTBORDER_REFLECT_101BORDER_TRANSPARENTBORDER_REFLECT101BORDER_DEFAULTBORDER_ISOLATED。 OpenCV filter2D函数应用 使用OpenCV filter2D函数通过改变卷积核kernel可达成不同的滤波效果。下面就OpenCV filter2D函数的几种常用场景做说明并以实例做演示。 图像锐化 图像锐化使用的卷积核如下 Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0); 下面以实例演示图像锐化操作及锐化效果示例代码如下
#include iostream
#include opencv2/opencv.hppusing namespace cv;
using namespace std;int main(int argc, char** argv)
{Mat src imread(1.jpg);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0);Mat dst;filter2D(src, dst, src.depth(), kernel);imshow(Output Image, dst);waitKey(0);return 0;
}
试运行结果如下 可以看到经过Filter2D滤波后的图像变得更清晰。
均值滤波 OpenCV filter2D函数实现均值滤波的卷积核如下
Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1) / 9;
下面以实例演示filter2D实现图像均值滤波操作及滤波效果示例代码如下
#include iostream
#include opencv2/opencv.hppusing namespace cv;
using namespace std;int main(int argc, char** argv)
{//sharp test/*Mat src imread(1.jpg);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0);Mat dst;filter2D(src, dst, src.depth(), kernel);imshow(Output Image, dst);*///Mean filter testMat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1) / 9;Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 15; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);waitKey(0);return 0;
} 试运行结果如下 可以看出均值滤波可以去除图像椒盐噪声达到磨皮效果。 高斯滤波
OpenCV filter2D函数实现高斯滤波的卷积核可由高斯核转换得到方法如下
Mat kernelGaussian getGaussianKernel(9, 1.5); Mat kernel kernelGaussian * kernelGaussian.t()
下面以实例演示filter2D实现图像高斯滤波操作及滤波效果示例代码如下
#include iostream
#include opencv2/opencv.hppusing namespace cv;
using namespace std;int main(int argc, char** argv)
{//filter2d sharp test/*Mat src imread(1.jpg);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0);Mat dst;filter2D(src, dst, src.depth(), kernel);imshow(Output Image, dst);*///filter2d Mean filter test/*Mat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1) / 9;Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 15; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);*///filter2d Gaussian filter testMat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernelGaussian getGaussianKernel(9, 1.5);Mat kernel kernelGaussian * kernelGaussian.t();Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 6; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);waitKey(0);return 0;
}
试运行结果如下
可以看出同样filter2D均高斯滤波同样可以去除图像椒盐噪声达成磨皮效果且所需次数更少。 边缘检测 filter2D还可以使用sobel内核实现边缘检测soble内核如下
Mat sobelX (Mat_float(3, 3) -1, 0, 1,-2, 0, 2,-1, 0, 1); Mat sobelY (Mat_float(3, 3) -1, -2, -1,0, 0, 0,1, 2, 1);
下面以实例演示filter2D 用sobel核实现图像边缘检测操作及滤波效果示例代码如下
#include iostream
#include opencv2/opencv.hppusing namespace cv;
using namespace std;int main(int argc, char** argv)
{//filter2d sharp test/*Mat src imread(1.jpg);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0);Mat dst;filter2D(src, dst, src.depth(), kernel);imshow(Output Image, dst);*///filter2d Mean filter test/*Mat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1) / 9;Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 15; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);*///filter2d Gaussian filter test/*Mat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernelGaussian getGaussianKernel(9, 1.5);Mat kernel kernelGaussian * kernelGaussian.t();Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 6; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);*///filter2d detect edges testMat src imread(4.png);if (src.empty()){cout Cannt open Image endl;return -1;}threshold(src, src, 127, 255, THRESH_BINARY);imshow(Input Image, src);Mat sobelX (Mat_float(3, 3) -1, 0, 1,-2, 0, 2,-1, 0, 1);Mat sobelY (Mat_float(3, 3) -1, -2, -1,0, 0, 0,1, 2, 1);Mat edges,edgesX, edgesY;filter2D(src, edgesX, CV_16S, sobelX);filter2D(src, edgesY, CV_16S, sobelX);convertScaleAbs(edgesX, edgesX);convertScaleAbs(edgesY, edgesY);addWeighted(edgesX, 0.5, edgesY, 0.5, 0, edges);imshow(Edges, edges);waitKey(0);return 0;
}
试运行结果如下 可以看出确实检测到了边缘效果并不是很好。 filter2D还可以使用Prewitt核实现边缘检测。Prewitt核如下 Mat prewitt_x (Mat_int(3, 3) -1, 0, 1, -1, 0, 1, -1, 0, 1); Mat prewitt_y (Mat_int(3, 3) -1, -1, -1,0, 0, 0, 1, 1, 1); 下面以实例演示filter2D 用Prewitt核实现图像边缘检测操作及滤波效果示例代码如下
#include iostream
#include opencv2/opencv.hppusing namespace cv;
using namespace std;int main(int argc, char** argv)
{//filter2d sharp test/*Mat src imread(1.jpg);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_char(3, 3) 0, -1, 0, -1, 5, -1, 0, -1, 0);Mat dst;filter2D(src, dst, src.depth(), kernel);imshow(Output Image, dst);*///filter2d Mean filter test/*Mat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernel (Mat_float(3, 3) 1, 1, 1, 1, 1, 1, 1, 1, 1) / 9;Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 15; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);*///filter2d Gaussian filter test/*Mat src imread(3.png);if (src.empty()){cout Cannt open Image endl;return -1;}imshow(Input Image, src);Mat kernelGaussian getGaussianKernel(9, 1.5);Mat kernel kernelGaussian * kernelGaussian.t();Mat dst;filter2D(src, dst, src.depth(), kernel);for (size_t i 0; i 6; i){filter2D(dst, dst, src.depth(), kernel);}imshow(Output Image, dst);*///filter2d detect edges test/*//sobel kernelMat src imread(4.png);if (src.empty()){cout Cannt open Image endl;return -1;}threshold(src, src, 127, 255, THRESH_BINARY);imshow(Input Image, src);Mat sobelX (Mat_float(3, 3) -1, 0, 1,-2, 0, 2,-1, 0, 1);Mat sobelY (Mat_float(3, 3) -1, -2, -1,0, 0, 0,1, 2, 1);Mat edges,edgesX, edgesY;filter2D(src, edgesX, CV_16S, sobelX);filter2D(src, edgesY, CV_16S, sobelX);convertScaleAbs(edgesX, edgesX);convertScaleAbs(edgesY, edgesY);addWeighted(edgesX, 0.5, edgesY, 0.5, 0, edges);imshow(Edges, edges);*///Prewitt kernelMat src imread(4.png);if (src.empty()){cout Cannt open Image endl;return -1;}threshold(src, src, 127, 255, THRESH_BINARY);imshow(Input Image, src);Mat prewitt_x (Mat_int(3, 3) -1, 0, 1, -1, 0, 1, -1, 0, 1);Mat prewitt_y (Mat_int(3, 3) -1, -1, -1,0, 0, 0, 1, 1, 1);Mat edges, edgesX, edgesY;filter2D(src, edgesX, src.depth(), prewitt_x);filter2D(src, edgesY, src.depth(), prewitt_y);addWeighted(edgesX, 0.5, edgesY, 0.5, 0, edges);imshow(Edges, edges);waitKey(0);return 0;
}
试运行结果如下 从结果可以看出filter2D使用Prewitt核检测边缘的结果与使用sobel核边缘检测的结果是有差异的。 OpenCV filter2D函数就介绍到这里。博文示例是基于OpenCV4.8opencv目录位于d盘根目录下及VS2022。示例源码已上传到CSDN其链接为https://mp.csdn.net/mp_blog/creation/editor/136590730
