OpenCV制作自己的线性滤镜

目标

在本教程中，您将学习如何：

• 使用OpenCV函数cv :: filter2D创建自己的线性过滤器。

理论

注意

下面的解释属于Bradski和Kaehler 的“ 学习OpenCV ”一书。

关联

在非常一般的意义上，相关性是图像的每个部分和运算符（内核）之间的操作。

什么是内核？

内核本质上是固定大小的数字系列数组，以及该阵列中的一个锚点，通常位于中心。

与内核的关联如何工作？

假设您想知道图像中特定位置的结果值。相关值的计算方式如下：

1. 将内核锚放置在确定的像素的顶部，其余核心覆盖图像中的相应局部像素。
2. 将内核系数乘以相应的图像像素值并对结果求和。
3. 将结果放置在输入图像中锚点的位置。
4. 通过在整个图像上扫描内核来重复所有像素的过程。

以方程式的形式表达上述程序，我们将具有：

幸运的是，OpenCV为您提供了函数cv :: filter2D，因此您不必对所有这些操作进行编码。

Code

1. 这个程序是做什么的？

• 加载图像
  
• 执行标准化的盒式过滤器。例如，对于的内核，内核将是：size=3,

   该程序将使用大小为3,5,7,9和11的内核执行过滤操作。

• 过滤器输出（每个内核）将在500毫秒内显示

   2. 教程代码如下所示。您也可以从这里下载

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
int main ( int argc, char** argv )
{
  Mat src, dst;
  Mat kernel;
  Point anchor;
  double delta;
  int ddepth;
  int kernel_size;
  const char* window_name = "filter2D Demo";
  String imageName("../data/lena.jpg"); // by default
  if (argc > 1)
  {
    imageName = argv[1];
  }
  src = imread( imageName, IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }
  anchor = Point( -1, -1 );
  delta = 0;
  ddepth = -1;
  int ind = 0;
  for(;;)
       {
         char c = (char)waitKey(500);
         if( c == 27 )
           { break; }
         kernel_size = 3 + 2*( ind%5 );
         kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);
         filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );
         imshow( window_name, dst );
         ind++;
       }
  return 0;
}
Explanation

说明

• 加载图像
  

  String imageName("../data/lena.jpg"); // by default
  if (argc > 1)
  {
    imageName = argv[1];
  }
  src = imread( imageName, IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }

• 初始化线性滤波器的参数
  

  anchor = Point（-1，-1）;
  delta = 0;
  ddepth = -1;

• 执行无限循环更新内核大小，并将我们的线性滤波器应用于输入图像。我们来详细分析一下：
• 首先我们定义我们的过滤器将要使用的内核。这里是：

         kernel_size = 3 + 2*( ind%5 );
         kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);

第一行是将kernel_size更新为在范围内的奇数值：[3,11]。第二行实际上通过将其值设置为1′s 填充矩阵并通过将其除以元素数量进行规范化来构建内核。

• 设置内核后，我们可以使用函数cv :: filter2D来生成过滤器：
  

1. src：源图像
2. dst：目的地图像
3. ddepth：深度dst。负值（如−1）表示深度与源相同。
4. 内核：要通过图像扫描的内核
5. anchor：锚点相对于其内核的位置。位置点（-1，-1）表示默认的中心。
6. delta：在关联期间要添加到每个像素的值。默认情况下为0
7. BORDER_DEFAULT：我们默认设置此值（以下教程中有更多详细信息）

• 我们的方案将实行一个而循环，每500毫秒我们的过滤器的内核大小的范围进行更新显示。
  

结果

1. 在编译上面的代码之后，可以执行它作为参数作为图像的路径。结果应该是一个窗口，显示由归一化过滤器模糊的图像。每个0.5秒的内核大小应该改变，从下面的一系列快照可以看出：