OpenCV图像滤波(20)模糊处理函数stackBlur()的使用

2024-08-20 15:20

本文主要是介绍OpenCV图像滤波(20)模糊处理函数stackBlur()的使用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

stackBlur() 函数用于对图像进行模糊处理。该函数对图像应用了 stackBlur 技术。stackBlur 可以生成与高斯模糊相似的结果,而且随着模糊内核大小的增加,处理时间不会显著增长。它在扫描图像的过程中创建了一个移动的颜色堆栈。因此,在处理每一像素时只需要向堆栈的右侧添加一个新的颜色块,并移除最左侧的颜色。堆栈顶部的其他颜色则根据它们的位置(右侧或左侧)被增加或减少一个单位。唯一支持的边界类型是 BORDER_REPLICATE(边界复制)。原始论文由 Mario Klingemann 提出,可在此处找到:http://underdestruction.com/2004/02/25/stackblur-2004。

stackBlur 的主要优点在于它能够快速地对图像进行模糊处理,即使在较大的内核尺寸下也能保持高效的性能。这是因为它采用了特殊的算法来更新堆栈中的颜色值,而不是重新计算整个内核范围内的平均值。这种方法使得 stackBlur 成为了实时图像处理和需要大量模糊效果的应用的理想选择。

函数原型

void cv::stackBlur	
(InputArray 	src,OutputArray 	dst,Size 	ksize 
)		

参数

  • 参数 src 输入图像。通道数可以是任意的,但是图像深度应该是 CV_8U(无符号8位整数),CV_16U(无符号16位整数),CV_16S(有符号16位整数),或者 CV_32F(32位浮点数)。
  • 参数 dst 输出图像,与输入图像 src 具有相同的尺寸和类型。
  • 参数 ksize stack-blur 内核的尺寸。ksize.width 和 ksize.height 可以不同,但都必须是正数且为奇数。

示例代码

#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main(int argc, char** argv)
{// Load an imageMat image = imread("/media/dingxin/data/study/OpenCV/sources/images/erik.jpg");// Check if the image is loaded successfullyif (image.empty()){cout << "Error: Image not found." << endl;return -1;}cv::Size sz2Sh( 400, 600 );cv::resize( image, image, sz2Sh, 0, 0, cv::INTER_LINEAR_EXACT );// Set the blur kernel sizeint kernelSize = 13;  // You can adjust this value for different blurring effects// Perform box blurMat blurredImage;stackBlur(image, blurredImage, Size(kernelSize, kernelSize));imshow("Original Image", image);imshow("Blurred Image", blurredImage);// Wait for a key press and then close all windowswaitKey(0);destroyAllWindows();return 0;
}

运行结果

在这里插入图片描述

这篇关于OpenCV图像滤波(20)模糊处理函数stackBlur()的使用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1090436

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

Open3D 基于法线的双边滤波

目录 一、概述 1.1原理 1.2实现步骤 1.3应用场景 二、代码实现 2.1关键函数 输入参数: 输出参数: 参数影响: 2.2完整代码 三、实现效果 3.1原始点云 3.2滤波后点云 Open3D点云算法汇总及实战案例汇总的目录地址: Open3D点云算法与点云深度学习案例汇总(长期更新)-CSDN博客 一、概述         基于法线的双边

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的