前言
在上一章中描述了繪制圖形與文字，詳細(xì)描述可點(diǎn)擊查看(http://www.itdecent.cn/writer#/notebooks/47386368/notes/77130883)
目標(biāo)
本章中，將學(xué)習(xí)如何：
- 模糊圖像的意義和作用
- 模糊原理
- 模糊方法
- 代碼演示
模糊圖像的意義和作用
圖像的模糊處理就是將圖像處理的更加模糊，如下圖，左側(cè)是原圖，右側(cè)是經(jīng)過處理后的圖像。
正常情況下，我們希望看到清晰的圖像，而不是模糊的圖像。所以很多時(shí)候我們聽說還有一種專門進(jìn)行模糊圖像的操作時(shí)，對于初學(xué)者來說有些不可思議，這有什么用呢。要知道模糊圖像只是處理圖像噪聲帶來的副作用，并不是我們的目的。圖像沒有噪聲的時(shí)候，我們用平滑濾波器去模糊圖像干什么呢？還真有一個(gè)重要的應(yīng)用。把上面的圖像使用變得更加模糊。效果如下：
我們可以看到，相對原始圖像，一些嬌小的物體已經(jīng)融入背景，看不到了，有些物體即使能看到，亮度也明顯降低。這樣，我們用圖像模糊將圖像中較大的物體保留下來，而其他的物體則消除掉。我們再進(jìn)一步通過二值化處理對模糊后的圖像進(jìn)行操作，將最高亮度的25%作為閾值，低于此閾值的賦為0，高于此閾值的賦為255。經(jīng)過處理后圖像如下：
像這樣利用閾值函數(shù)處理并基于物體亮度來消除某些物體的操作時(shí)很典型。當(dāng)我們只想得到感興趣的物體時(shí)，通過圖像模糊，可以將那尺寸和亮度較小的物體過濾掉，較大的物體則易于檢測。除了降低噪聲，這就是圖像平滑（模糊）的另一個(gè)重要應(yīng)用：目標(biāo)提取。
模糊原理
模糊操作時(shí)圖像處理中最簡單和常用的操作之一，使用該操作的原因之一就為了給圖像預(yù)處理時(shí)減低噪聲。
使用模糊操作的背后是數(shù)學(xué)的卷積計(jì)算：
其中權(quán)重核h(k,l)h(k,l)為“濾波系數(shù)”。上面的式子可以簡記為：
通常這些卷積算子計(jì)算都是線性操作，所以又叫線性濾波。示例：假設(shè)有6x6的圖像像素點(diǎn)矩陣，進(jìn)行均值濾波。
卷積過程：6x6上面是個(gè)3x3的窗口，從左向右，從上向下移動(dòng)，黃色的每個(gè)像素點(diǎn)值之和取平均值賦給中心紅色像素作為它卷積處理之后新的像素值。每次移動(dòng)一個(gè)像素格。
模糊方法
均值濾波（歸一化濾波）
均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個(gè)模板，改模板包括了其周圍的臨近像素（以目標(biāo)像素為中心的周圍8個(gè)像素，構(gòu)成一個(gè)綠波模板，即去掉目標(biāo)像素本身），再用模板中的全體像素的平均值來代替原來像素值。
再用3x3大小模板進(jìn)行均值濾波。
上圖中由于圖像邊框上的像素?zé)o法被模板覆蓋，所以不做處理。這會造成圖像邊緣的缺失。以（2,2）坐標(biāo)的像素點(diǎn)為例：
則濾波后的結(jié)果為：
濾波后（2,2）像素點(diǎn)的值由10變?yōu)?，其他像素點(diǎn)也使用相同的處理方式，最終結(jié)果如下：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat srcImage;
srcImage = imread("http://lena512color.png");
imshow("均值濾波【原圖】", srcImage);
Mat dst; // 構(gòu)造目標(biāo)類
medianBlur(srcImage, dst, 3);
//blur(srcImage, dst, Size(5, 5)); // 進(jìn)行均值濾波操作
imshow("均值濾波【處理后】", dst);
waitKey();
return 0;
}
函數(shù)原型： void blur( InputArray src, OutputArray dst, Size ksize, Point anchor = Point(-1,-1), int borderType = BORDER_DEFAULT );
函數(shù)說明：
1.第一個(gè)參數(shù)，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數(shù)對通道是獨(dú)立處理的，且可以處理任意通道數(shù)的圖像，但需要注意，待處理的圖像深度應(yīng)該為CV_8U,CV_16U,CV_16S,CV_32F以及CV_64F之一。
2.第二個(gè)參數(shù)，OutputArray類型的dst，即目標(biāo)圖像，需要和源圖像有一樣的尺寸和類型。比如可以用Mat::Clone，以源圖像為模板，來初始化得到相同尺寸和類型的目標(biāo)圖。
3.第三個(gè)參數(shù)，Size類型，內(nèi)核的大小。一般這樣寫Size（w，h）來表示內(nèi)核的大?。ㄆ渲校瑆為像素寬度，h為像素高度）。
4.第四個(gè)參數(shù)，Point類型的anchor，表示錨點(diǎn)（即被平滑的那個(gè)點(diǎn)），注意他有默認(rèn)值Point（-1，-1）。如果這個(gè)點(diǎn)坐標(biāo)是負(fù)值的話，就表示取核的中心為錨點(diǎn)，所以默認(rèn)值Point（-1，-1）表示這個(gè)錨點(diǎn)在核的中心。
5.第五個(gè)參數(shù)，int類型的borderType，用于推斷圖像外部像素的某種邊界模式。默認(rèn)值為BORDER_DEFAULT，一般不修改。
中值濾波
中值，中間值，將數(shù)據(jù)從小到大排序后的中間值。用3x3大小模板進(jìn)行中值濾波。
還是以（2,2）坐標(biāo)的像素點(diǎn)為例：
對模板中的9個(gè)數(shù)進(jìn)行從小到大排序：1,1,1,2,2,5,6,6,10。中間值為2。中值濾波后（2,2）坐標(biāo)的像素值變?yōu)?。同理對其他像素點(diǎn)進(jìn)行處理。結(jié)果如下：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat srcImage;
srcImage = imread("d://1.png");
imshow("均值濾波【原圖】", srcImage);
Mat dst; // 構(gòu)造目標(biāo)類
medianBlur(srcImage, dst, 3);
//blur(srcImage, dst, Size(5, 5)); // 進(jìn)行均值濾波操作
imshow("高斯濾波【處理后】", dst);
waitKey();
return 0;
}
函數(shù)原型：void medianBlur( InputArray src, OutputArray dst, int ksize );
函數(shù)說明：
1.第一個(gè)參數(shù)，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數(shù)對通道是獨(dú)立處理的，且可以處理任意通道數(shù)的圖像，但需要注意，待處理的圖像深度應(yīng)該為CV_8U,CV_16U,CV_16S,CV_32F以及CV_64F之一。
2.第二個(gè)參數(shù)，OutputArray類型的dst，即目標(biāo)圖像，需要和源圖像有一樣的尺寸和類型。比如可以用Mat::Clone，以源圖像為模板，來初始化得到相同尺寸和類型的目標(biāo)圖。
3.第三個(gè)參數(shù)，int類型，內(nèi)核的大小。
雙邊濾波
雙邊濾波是一種非線性的濾波方法，是結(jié)合圖像的空間臨近度和像素值相似度的一種折中處理，同時(shí)考慮空間與信息和灰度相似性，達(dá)到保邊去噪的目的，具有簡單、非迭代、局部處理的特點(diǎn)。之所以能夠達(dá)到保邊去噪的濾波效果是因?yàn)闉V波器由兩個(gè)函數(shù)構(gòu)成：一個(gè)函數(shù)是由幾何空間距離決定濾波器系數(shù)，另一個(gè)是由像素差值決定濾波器系數(shù)。雙邊濾波器中，輸出像素的值依賴于領(lǐng)域像素的值的加權(quán)組合。其公式如下：
權(quán)重系數(shù)w(i,j,k,l)取決于定義域核
和值域核
的乘積，也就是
通俗來講就是雙邊濾波模板主要有兩個(gè)模板生成，第一個(gè)是高斯模板，第二個(gè)是以灰度級的差值作為函數(shù)系數(shù)生產(chǎn)的模板，然后這兩個(gè)模板點(diǎn)乘就得到了最終的雙邊濾波模板，第一個(gè)模板是全局模板，所以只需要一次，第二個(gè)模板需要對每個(gè)像素都計(jì)算一次。雙邊濾波器比高斯濾波器多了一個(gè)高斯方差sigma-d，它是基于空間分布的高斯濾波函數(shù)，所以在邊緣附近，離的較遠(yuǎn)的像素不會太多影響到邊緣上的像素，這樣就能對邊緣附近的像素值予以保存，但是由于保存過多的高頻信息，對于彩色圖像里的高頻噪聲，雙邊濾波器不能夠干凈的濾掉，只能夠?qū)τ诘皖l信息進(jìn)行較好的濾除。
雙邊濾波器可以很好的保存圖像邊緣細(xì)節(jié)而濾除掉低頻分量的噪音，但是雙邊濾波器的效率不是太高，花費(fèi)的時(shí)間相較于其他濾波器而言也比較長。對于簡單的濾波而言，可以將兩個(gè)sigma值設(shè)置成相同的值，如果值<10，則對濾波器影響很小，如果值>150則會對濾波器產(chǎn)生較大的影響，會使圖片看起來像卡通。
特點(diǎn)：
均值模糊無法克服邊緣像素信息丟失缺陷，原因是均值模糊是基于平均權(quán)重。
高斯模糊部分克服了該缺陷，但是無法完全避免，因?yàn)闆]考慮到像素值的不同。
雙邊濾波是保留邊緣的濾波方法，避免了邊緣信息的丟失，保留了圖像輪廓不變。
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
/*
d:計(jì)算的半徑
sigmaColor:多少差值之內(nèi)的像素會被計(jì)算
sigmaSpace:如果d>0，那么聲明無效，否則根據(jù)它來計(jì)算d值
*/
Mat srcImage;
srcImage = imread("d://1.png");
imshow("雙邊濾波【原圖】", srcImage);
Mat dst; // 構(gòu)造目標(biāo)類
bilateralFilter(srcImage, dst, 15, 150, 3);
//medianBlur(srcImage, dst, 3);
//blur(srcImage, dst, Size(5, 5)); // 進(jìn)行均值濾波操作
imshow("雙邊濾波【處理后】", dst);
waitKey();
return 0;
}
函數(shù)原型：void bilateralFilter( InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT );
函數(shù)說明：
1.第一個(gè)參數(shù)，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數(shù)對通道是獨(dú)立處理的，且可以處理任意通道數(shù)的圖像，但需要注意，待處理的圖像深度應(yīng)該為CV_8U,CV_16U,CV_16S,CV_32F以及CV_64F之一。
2.第二個(gè)參數(shù)，OutputArray類型的dst，即目標(biāo)圖像，需要和源圖像有一樣的尺寸和類型。比如可以用Mat::Clone，以源圖像為模板，來初始化得到相同尺寸和類型的目標(biāo)圖。
3.第三個(gè)參數(shù)，表示在過濾過程中每個(gè)像素鄰域的直徑范圍。如果這個(gè)值是非正數(shù)，則函數(shù)會從第五個(gè)參數(shù)sigmaSpace計(jì)算該值。
4.第四個(gè)參數(shù)，顏色空間過濾器的sigma值，這個(gè)參數(shù)的值月大，表明該像素鄰域內(nèi)有月寬廣的顏色會被混合到一起，產(chǎn)生較大的半相等顏色區(qū)域。
5第四個(gè)參數(shù)，.坐標(biāo)空間中濾波器的sigma值，如果該值較大，則意味著顏色相近的較遠(yuǎn)的像素將相互影響，從而使更大的區(qū)域中足夠相似的顏色獲取相同的顏色。當(dāng)d>0時(shí)，d指定了鄰域大小且與sigmaSpace五官，否則d正比于sigmaSpace.
6.第六個(gè)參數(shù)，用于推斷圖像外部像素的某種邊界模式，有默認(rèn)值BORDER_DEFAULT.
