opencv
Przetwarzanie obrazu
Szukaj…
Składnia
- Gaussian Blur Składnia C ++: void GaussianBlur (InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT)
Parametry
Parametry rozmycia gaussowskiego | Detale |
---|---|
src | Obraz wejściowy, obraz może mieć dowolną liczbę kanałów, które są przetwarzane niezależnie, ale głębokość powinna wynosić CV_8U , CV_16U , CV_16S , CV_32F lub CV_64F . |
dst | Obraz wyjściowy tego samego rozmiaru i typu co src |
ksize | Rozmiar jądra Gaussa. ksize.width i ksize.height mogą się różnić, ale oba muszą być dodatnie i nieparzyste . Lub mogą być zerami, a następnie są obliczane z sigma *. |
sigmaX | Odchylenie standardowe jądra Gaussa w kierunku X. |
sigmaY | Odchylenie standardowe jądra Gaussa w kierunku Y. jeśli sigmaY wynosi zero, to jest ustawione na równe sigmaX , jeśli oba sigma są zerami, są obliczane z ksize.width i ksize.height . Aby w pełni kontrolować wynik niezależnie od możliwych przyszłych modyfikacji całej tej semantyki, zaleca się określenie wszystkich ksize , sigmaX i sigmaY . |
borderType | Metoda ekstrapolacji pikseli. |
Uwagi
Nie sądzę, aby umieszczanie w tym miejscu składni i parametrów charakterystycznych dla rozmycia gaussowskiego miało sens, ponieważ temat jest tak szeroki, że powinien zawierać wiele innych przykładów
Wygładzanie obrazów rozmyciem gaussowskim w C ++
Wygładzanie, znane również jako rozmycie , jest jedną z najczęściej używanych operacji w przetwarzaniu obrazu.
Najczęstszym zastosowaniem operacji wygładzania jest redukcja szumów na obrazie w celu dalszego przetwarzania.
Istnieje wiele algorytmów do wykonywania operacji wygładzania.
Przyjrzymy się jednemu z najczęściej używanych filtrów do rozmycia obrazu, filtrowi Gaussa przy użyciu funkcji biblioteki OpenCV GaussianBlur()
. Ten filtr został zaprojektowany specjalnie do usuwania szumów o wysokiej częstotliwości z obrazów.
#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;
}
Aby uzyskać szczegółową definicję matematyczną i inne typy filtrów, możesz sprawdzić oryginalną dokumentację .
Próg
W Pythonie:
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()
Filtrowanie dwustronne
W aplikacjach do przetwarzania obrazów filtry dwustronne są specjalnym rodzajem filtrów nieliniowych .
Istnieje kompromis między utratą struktury a usuwaniem szumów, ponieważ najbardziej popularną metodą usuwania szumu jest rozmycie gaussowskie, które nie jest świadome struktury obrazu; dlatego usuwa również krawędzie. Przez większość czasu krawędzie zawierają cenne informacje o scenie i nie chcemy ich tracić. Dwustronny filtr jest świadomy struktury sceny i ma tendencję do działania jak klasyczny filtr rozmywający, gdy znajduje się na obszarze bez krawędzi; jednak gdy widzi krawędź, zmienia swoje zachowanie; tak więc rozmycie nie działa na krawędziach, ale działa wzdłuż krawędzi, co oznacza, że są to filtry zabezpieczające krawędzie .
#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);
}