滤波形态学腐蚀与卷积（合集）

Posted 2021-12-11 jukan

https://blog.csdn.net/qq_36285879/article/details/82810705

S1.1 滤波、形态学腐蚀与卷积（合集）

参考：《学习OpenCV3》、《数字图像处理编程入门》
文章目录

S1.1 滤波、形态学腐蚀与卷积（合集）
滤波器
简单模糊与方形滤波
中值滤波
高斯滤波
双边滤波
导数和梯度
Sobel算子
Scharr滤波器
拉普拉斯变换
图像形态学
膨胀&腐蚀
通用形态学函数
开操作与闭操作
形态学梯度
顶帽和黑帽
滤波器

毛星云那本有滤波器源码解析。

简单模糊与方形滤波

用blur函数实现
在imgproc中我们找到定义：（为了大家训练英文，就不翻译了，其实是我懒-。-）

/*
The call `blur(src, dst, ksize, anchor, borderType)` is equivalent to `boxFilter(src, dst, src.type(), anchor, true, borderType)`.和boxFilter相等，待会会讲

@param src input image; it can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
@param dst output image of the same size and type as src.
@param ksize blurring kernel size.
@param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel
center.默认为中心
@param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes
@sa boxFilter, bilateralFilter, GaussianBlur, medianBlur
*/
CV_EXPORTS_W void blur( InputArray src, OutputArray dst,
Size ksize, Point anchor = Point(-1,-1),
int borderType = BORDER_DEFAULT );
1
2
3
4
5
6
7
8
9
10
11
12
13
14
#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src = imread("images/favorite/Lena.jpg", 0);
Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(5,5), Point(-1,-1), BORDER_DEFAULT);

imshow("src", src);
imshow("blur5x5,default", dst0);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
这是一种低通滤波器(low pass filter)，把中间像素值替换为21x21个像素的平均值。

在链接中就讲到：

在灰度连续变化的图象中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现了一个亮点，人眼能很容易觉察到。就象看老电影时，由于胶片太旧，屏幕上经常会出现一些亮斑。这种情况被认为是一种噪声。灰度突变在频域中代表了一种高频分量，低通滤波器的作用就是滤掉高频分量，从而达到减少图象噪声的目的。当然这种方法会对原本的图像造成伤害。

用boxFilter函数实现
多了一个ddepth参数（图像深度），一个normalize参数（归不归一化，就是除不除滤波器面积）

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src = imread("images/favorite/Lena.jpg", 0);
Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);
boxFilter(src, dst1, CV_8U, Size(11, 11), Point(-1, -1), true, BORDER_DEFAULT);
boxFilter(src, dst2, CV_8U, Size(11, 11), Point(-1, -1), false, BORDER_DEFAULT);
boxFilter(src, dst3, CV_16U, Size(11, 11), Point(-1, -1), false, BORDER_DEFAULT);

imshow("src", src);
imshow("blur11x11,default", dst0);
imshow("boxFilter11x11,default", dst1);
imshow("boxFilter11x11,false,default", dst2);
imshow("boxFilter11x11,16U,default", dst3);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

中值滤波

之前找的是平均值，现在找的是中值。这也是一种低通滤波器

参数类型Size也变为了int，只能处理正方形区域。（不知道为啥要这样改）

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src = imread("images/favorite/Lena.jpg", 0);
Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);
medianBlur(src, dst1, 11);

imshow("src", src);
imshow("blur11x11,default", dst0);
imshow("medianBlur11", dst1);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

很有艺术风格呀。可能就是因为中值滤波是实实在在的图像原有的像素值的原因。

高斯滤波

是一种有效的滤波器。

因为以模板中心位置为原点，所以二维高斯公式中的μ1与μ2 \mu_1与\mu2μ
1
?
与μ2都等于0。

σ \sigmaσ越大，高斯函数越不凸，对应的卷积模板大小也就是越大。

/*
@param src input image; the image can have any number of channels, which are processed
independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.输入
@param dst output image of the same size and type as src.输出
@param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be positive and odd. Or, they can be zero‘s and then they are computed from sigma.

@param sigmaX Gaussian kernel standard deviation in X direction.
@param sigmaY Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be equal to sigmaX, if both sigmas are zeros, they are computed from ksize. width and ksize.height, respectively (see #getGaussianKernel for details); to fully control the result regardless of possible future modifications of all this semantics, it is recommended to specify all of ksize, sigmaX, and sigmaY.如果sigmaY=0,（默认也是0），就和sigmaX相等。如果sigmaX=sigmaY=0，sigmaX和sigmaY自动适应ksize。具体看getGaussianKernel函数

@param borderType pixel extrapolation method, see #BorderTypes

@sa sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur
*/
CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT );
1
2
3
4
5
6
7
8
9
10
11
12
13
14
getGaussianKernel函数
getGaussianKernel返回一个高斯核矩阵，不过它输出的是一维矩阵。。。具体可以看这篇blog：

https://blog.csdn.net/u012633319/article/details/80921023

CV_EXPORTS_W Mat getGaussianKernel( int ksize, double sigma, int ktype = CV_64F );
1
高斯滤波演示
#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src = imread("images/favorite/Lena.jpg", 0);
Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);
medianBlur(src, dst1, 11);
GaussianBlur(src, dst2, Size(11,11), 0, 0);

imshow("src", src);
imshow("blur11x11,default", dst0);
imshow("medianBlur11", dst1);
imshow("GraussianBlur11,1,1", dst2);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

可以看出，由于加强与邻域的关系，高斯滤波更不模糊。（也有可能是参数的原因）

高斯模糊把边缘也模糊了，边缘变粗。

双边滤波

能解决高斯不能解决的边缘问题。

《学习OpenCV》说能产生卡通效果，我感觉看不出来，如果调的好，说不定能产生倩女幽魂的效果。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src = imread("images/favorite/Lena.jpg", 0);
Mat dst0, dst1, dst2, dst3;

blur(src, dst0, Size(11,11), Point(-1,-1), BORDER_DEFAULT);
medianBlur(src, dst1, 11);
GaussianBlur(src, dst2, Size(11,11), 2, 0);
bilateralFilter(src, dst3, 16, 150, 150);

imshow("src", src);
imshow("blur11x11,default", dst0);
imshow("medianBlur11", dst1);
imshow("GraussianBlur11,1,1", dst2);
imshow("bilateralFilter11", dst3);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

导数和梯度

卷积可以近似计算导数，当然这个涉及时域的知识。

从梯度图我们可以观察到图像的边缘了。

Sobel算子

百度百科就可以理解Sobel算子是怎么回事了：

https://baike.baidu.com/item/Sobel算子/11000092?fr=aladdin

其实就是常用的两个固定模板。

当然还是强烈推荐好书：《数字图像处理编程入门》：微盘数字图像处理编程入门 里面用很简洁的方法解释了Sobel为啥能检测边缘。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{

Mat src = imread("images/favorite/Lena.jpg", 0);
Mat dst0, dst1, dst2, dst3, dst4;

Sobel(src, dst0, CV_8U, 1, 1);
Sobel(src, dst1, CV_8U, 0, 1);
Sobel(src, dst2, CV_8U, 1, 0);
Sobel(src, dst3, CV_8U, 1, 2);
Sobel(src, dst4, CV_8U, 2, 1);

 

imshow("src", src);
imshow("Sobel,1,1", dst0);
imshow("Sobel,0,1", dst1);
imshow("Sobel,1,0", dst2);
imshow("Sobel,1,2", dst3);
imshow("Sobel,2,1", dst4);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

我们对x求导则得到竖的边缘，对y求导得到横的边缘。

Sobel算子的缺点是核较小的时候准确率不高。对于大型的核，精度不太显著。（用Scharr滤波器可以解决）【不是很理解】

Scharr滤波器

同Sobel一样，是常用的固定模板。

把Sobel函数的ksize设置为CV_SCHARR即可。

可以自己试一下，感觉没差。

拉普拉斯变换

经典变换

这是一种高通滤波器。（中间为负数）

直接上代码好了：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src = imread("images/favorite/Lena.jpg");
Mat dst0, dst1, dst2, dst3, dst4;

Laplacian(src, dst0, CV_8U, 1);
Laplacian(src, dst2, CV_8U, 3);

imshow("src", src);
imshow("Laplacian,1", dst0);
imshow("Laplacian,3", dst2);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

效果的确很好。

图像形态学

图像形态学能做出好玩的一些操作。

膨胀&腐蚀

膨胀和腐蚀是相反的一组操作。它依据图像的亮度。

在OpenCV中，膨胀和腐蚀的边界用的的空白常量填充（BORDER_CONSTANT）。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src;
Mat dst0, dst1;

src = imread("images/favorite/Lena.jpg");

// int g_nStructElementSize = 3;

// Mat element0 = getStructuringElement(MORPH_RECT,
// Size(2*g_nStructElementSize+1, 2*g_nStructElementSize+1),
// Point(g_nStructElementSize, g_nStructElementSize));
// Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));

erode(src, dst0, Mat());
dilate(src, dst1, Mat());

imshow("erode", dst0);
imshow("dilate", dst1);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

左边杨幂，右边白眼妞。哈哈哈。

另外，膨胀操作能把一张小狗图变成毛绒小狗图。

通用形态学函数

这个函数包含了多种形态学方法，由参数op决定：

操作值 形态学操作名 是否需要零时图像
cv::MOP_OPEN 开操作 否
cv::MOP_CLOSE 闭操作 否
cv::MOP_GRADIENT 形态学梯度 总是需要
cv::MOP_TOPHAT 顶帽操作 就地需要
cv::MOP_BACKHAT 底帽操作 就地需要
开操作与闭操作

开操作就把图像先腐蚀后膨胀。闭操作反之。

当你设定多次迭代的时候，实际顺序是：膨胀-膨胀-腐蚀-腐蚀

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src;
Mat dst0, dst1, dst2, dst3;

src = imread("images/favorite/Lena.jpg");

morphologyEx(src, dst0, CV_MOP_OPEN, Mat(), Point(-1, -1), 2);
morphologyEx(src, dst1, CV_MOP_OPEN, Mat(), Point(-1, -1), 3);
morphologyEx(src, dst2, CV_MOP_CLOSE, Mat(), Point(-1, -1), 2);
morphologyEx(src, dst3, CV_MOP_CLOSE, Mat(), Point(-1, -1), 3);

imshow("open2", dst0);
imshow("open3", dst1);
imshow("close2", dst2);
imshow("close3", dst3);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

形态学梯度

gradient(src)=dilate(src)−erode(src) gradient(src) = dilate(src) - erode(src)
gradient(src)=dilate(src)−erode(src)

//
//// cout << src;
// cvtColor(src, src, CV_HSV2BGR);
// imshow("src", src);
//
// waitKey(0);
// return 0;
//}

//16.腐蚀与膨胀
#include <opencv2/opencv.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

int main()
{
Mat src;
Mat dst0, dst1, dst2, dst3;

src = imread("images/favorite/Lena.jpg", 0);

morphologyEx(src, dst0, CV_MOP_GRADIENT, Mat());

imshow("gradient", dst0);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

有点像粉笔画。

顶帽和黑帽

TopHat(src)=src−open(src)BackHat(src)=close(src)−src TopHat(src) = src-open(src)\\BackHat(src)= close(src) - src
TopHat(src)=src−open(src)
BackHat(src)=close(src)−src

---------------------
作者：nerd呱呱
来源：CSDN
原文：https://blog.csdn.net/qq_36285879/article/details/82810705
版权声明：本文为博主原创文章，转载请附上博文链接！