opencv
Bildverarbeitung

Syntax

1. Gaussian Blur Syntax C ++: void GaussianBlur (InputArray src, OutputArray dst, Größe ksize, doppeltes SigmaX, doppeltes SigmaY = 0, int borderType = BORDER_DEFAULT)

Parameter

Bemerkungen

Glätten von Bildern mit Gaußscher Unschärfe in C ++

Glätten, auch Unschärfe genannt , ist eine der am häufigsten verwendeten Operationen in der Bildverarbeitung.

Die häufigste Verwendung des Glättungsvorgangs besteht darin, das Rauschen im Bild für die weitere Verarbeitung zu reduzieren .

Es gibt viele Algorithmen zum Glätten.

Wir betrachten einen der am häufigsten verwendeten Filter zum Verwischen eines Bildes, den Gaußschen Filter mit der OpenCV-Bibliotheksfunktion GaussianBlur() . Dieser Filter wurde speziell zum Entfernen von hochfrequentem Rauschen aus Bildern entwickelt.

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

using namespace std;
using namespace cv;

int main(int argc, char** argv){

    Mat image , blurredImage;

    // Load the image file
    image = imread(argv[1], CV_LOAD_IMAGE_COLOR);

    // Report error if image could not be loaded
    if(!image.data){
        cout<<"Error loading image" << "\n";
        return -1;
    }

    // Apply the Gaussian Blur filter. 
    // The Size object determines the size of the filter (the "range" of the blur)
    GaussianBlur( image, blurredImage, Size( 9, 9 ), 1.0);

    // Show the blurred image in a named window
    imshow("Blurred Image" , blurredImage);

    // Wait indefinitely untill the user presses a key
    waitKey(0);

    return 0;
}

Für die detaillierte mathematische Definition und andere Arten von Filtern können Sie die Originaldokumentation überprüfen.

Thresholding

In Python:

import cv2
image_path= 'd:/contour.png'
img = cv2.imread(image_path)

#display image before thresholding
cv2.imshow('I am an image display window',img)
cv2.waitKey(0)

#convert image to gray scale - needed for thresholding
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


#apply threshold to gray image to obtain binary image

threshold=150 #value above which pixel values will be set to max_value
max_value=255  #value to which pixels above threshold will be set
threshold_stype=cv2.THRESH_BINARY #default threshold method

ret, img_binary = cv2.threshold(img_gray, threshold, max_value, threshold_stype)

#display image after thresholding
cv2.imshow('image after applying threshold',img_binary)
cv2.waitKey(0)

#save the binary image
cv2.imwrite('d:/binary.png',img_binary)
cv2.destroyAllWindows()

Bilaterale Filterung

In Bildverarbeitungsanwendungen sind die bilateralen Filter eine besondere Art von nichtlinearen Filtern .

Es gibt einen Kompromiss zwischen dem Verlust der Struktur und der Rauschentfernung, da die am weitesten verbreitete Methode zur Rauschunterdrückung die Gaußsche Unschärfe ist, die die Bildstruktur nicht kennt. Daher werden auch die Kanten entfernt. Meistens enthalten Kanten wertvolle Informationen über die Szene, und wir möchten sie nicht verlieren. Der bilaterale Filter ist sich der Struktur der Szene bewusst und wirkt wie ein klassischer Unschärfefilter, wenn er sich in einem Bereich ohne Kanten befindet. Wenn er jedoch eine Kante sieht, ändert er sein Verhalten. Unschärfe funktioniert also nicht über die Kanten, sondern entlang der Kanten, was bedeutet, dass sie kantenerhaltende Filter sind .

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

void main(int argc, char* argv[]) {
    if(argc==1) {
        std::cout << argv[0] << " <image>" << endl;
        return;
    }

    cv::Mat image, output;
    image = cv::imread(argv[1]);
    if(image.empty()) {
        std::cout << "Unable to load the image: " << argv[1] << endl;
        return;
    }

    cv::bilateralFilter(image, output, 3, 5, 3);
}