本文主要是介绍6.4双边滤波,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!
目录
实验原理
示例代码1
运行结果1
实验代码2
运行结果2
实验原理
双边滤波(Bilateral Filtering)是一种非线性滤波技术,用于图像处理中去除噪声,同时保留边缘和细节。这种滤波器结合了空间邻近性和像素值相似性的双重加权,从而能够在去噪(平滑图像)的同时保留图像的边缘细节。双边滤波器能够在的同时,保持边缘清晰,因此非常适合用于去除噪声和保持图像特征。在OpenCV中,可以使用bilateralFilter()函数来实现双边滤波。
函数原型
在OpenCV中,用于实现双边滤波的函数是cv::bilateralFilter。
其原型如下:
void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT );参数说明
•src:输入图像。
•dst:输出图像,与输入图像具有相同的大小和类型。
•d:直径,即滤波器的直径(即卷积核的直径)。如果设置为负数(例如-1),则根据sigmaSpace计算直径。
•sigmaColor:颜色空间的标准差,用于控制像素值的相似程度。较大的sigmaColor值会使得距离较远的像素也被考虑进来。(在颜色空间中的变化量,较大的值意味着更大的颜色差异也能被包括进来)。
•sigmaSpace:空间域的标准差,用于控制距离中心像素的距离。较大的sigmaSpace值会使得更大的邻域像素被考虑进来。(在空间域中的变化量,较大的值意味着远处的像素也会影响当前像素的值)。
•borderType:边界处理类型,默认为BORDER_DEFAULT,可以选择不同的边界处理方式,如BORDER_CONSTANT、BORDER_REFLECT等。边界处理borderType参数决定了如何处理图像边缘的像素。
常见的边界处理方式包括:
•BORDER_CONSTANT:用指定的常数值填充边界。
•BORDER_REPLICATE:边界像素值向外扩展。
•BORDER_REFLECT:反射边界,如12345反射为45454。
•BORDER_WRAP:循环边界,如12345循环为34512。
工作原理
双边滤波器在每个像素点上应用一个卷积核(Kernel),该核根据两个因素来确定每个邻域像素的权重:
1. 颜色相似性:越接近的颜色,权重越高。
2. 空间距离:越接近的像素,权重越高。双边滤波器通过结合这两个因素来计算每个像素的新值,从而达到既能平滑图像又能保持边缘的效果。
优点
1. 去噪能力强:特别适合去除随机噪声。
2. 边缘保持:由于双边滤波是非线性滤波,它在平滑图像的同时能较好地保持图像的边缘和细节。
不足
1. 计算复杂度较高:相比于简单的线性滤波器(如均值滤波或高斯滤波),双边滤波涉及更多的计算量。
2. 参数选择:需要仔细调整d、sigmaColor和sigmaSpace参数以获得最佳效果。
示例代码1
#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>int main(int argc, char** argv)
{// 读取图像cv::Mat src = cv::imread("010.png", cv::IMREAD_COLOR);if (!src.data){std::cout << "Error loading image" << std::endl;return -1;}// 定义输出图像cv::Mat dst;// 设置双边滤波参数int diameter = 9; // 直径大小double sigmaColor = 75; // 颜色空间标准差double sigmaSpace = 75; // 坐标空间标准差// 应用双边滤波cv::bilateralFilter(src, dst, diameter, sigmaColor, sigmaSpace);// 显示原始图像和滤波后的图像cv::namedWindow("Original Image", cv::WINDOW_NORMAL);cv::imshow("Original Image", src);cv::namedWindow("Bilateral Filtered Image", cv::WINDOW_NORMAL);cv::imshow("Bilateral Filtered Image", dst);// 等待按键cv::waitKey(0);return 0;
}//在这个例子中,我们加载了一张图片,并对其应用了双边滤波。
//你可以根据需要调整diameter, sigmaColor, 和 sigmaSpace 参数来获得不同的滤波效果。
代码解释
1. 读取图像:使用cv::imread读取输入图像,并确保它是彩色图像。
2. 创建输出图像:创建一个新的cv::Mat对象来存储滤波后的结果。
3. 定义双边滤波参数:定义滤波器直径、颜色空间的标准差和空间域的标准差。
4. 应用双边滤波:使用cv::bilateralFilter函数对图像进行双边滤波。
5. 显示结果:使用cv::imshow函数显示原始图像和双边模糊后的图像,并等待用户按键退出。
运行结果1
图片中模糊椒盐点会消失
参数调整
•d:直径(Diameter)参数决定了滤波器的大小。较大的直径可以产生更强烈的平滑效果,但可能会丢失更多的细节;较小的直径则可以保留更多细节,但平滑效果较弱。
•sigmaColor:颜色空间的标准差,用于控制像素值的相似程度。较大的sigmaColor值会使得距离较远的像素也被考虑进来。
•sigmaSpace:空间域的标准差,用于控制距离中心像素的距离。较大的sigmaSpace值会使得更大的邻域像素被考虑进来。
总结
双边滤波是一种有效的图像平滑技术,通过结合颜色相似性和空间距离来选择权重,从而既能去除噪声又能保持边缘和细节。通过调整直径、颜色空间的标准差和空间域的标准差,可以控制滤波器的效果。cv::bilateralFilter函数提供了方便的接口来实现双边滤波,并且允许用户指定边界处理方式。
实验代码2
// test.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//#include "pch.h"
#include <iostream>
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace std;
using namespace cv;
//#pragma comment(lib, "opencv_world450d.lib") //引用引入库
int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;
Mat src; Mat dst;
char window_name[] = "Smoothing Demo";
int display_caption(const char* caption);
int display_dst(int delay);
int main(int argc, char ** argv)
{namedWindow(window_name, WINDOW_NORMAL);//const char* filename = argc >= 2 ? argv[1] : "lena.png";//src = imread(samples::findFile(filename), IMREAD_COLOR);//src = imread("00.jpeg", IMREAD_COLOR);if (src.empty()){printf(" Error opening image\n");printf(" Usage:\n %s [image_name-- default lena.jpg] \n", argv[0]);return EXIT_FAILURE;}if (display_caption("Original Image") != 0){return 0;}dst = src.clone();if (display_dst(DELAY_CAPTION) != 0){return 0;}if (display_caption("Homogeneous Blur") != 0){return 0;}for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){blur(src, dst, Size(i, i), Point(-1, -1));if (display_dst(DELAY_BLUR) != 0){return 0;}}if (display_caption("Gaussian Blur") != 0){return 0;}for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){GaussianBlur(src, dst, Size(i, i), 0, 0);if (display_dst(DELAY_BLUR) != 0){return 0;}}if (display_caption("Median Blur") != 0){return 0;}for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){medianBlur(src, dst, i);if (display_dst(DELAY_BLUR) != 0){return 0;}}if (display_caption("Bilateral Blur") != 0){return 0;}for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){bilateralFilter(src, dst, i, i * 2, i / 2);if (display_dst(DELAY_BLUR) != 0){return 0;}}display_caption("Done!");return 0;
}
int display_caption(const char* caption)
{dst = Mat::zeros(src.size(), src.type());putText(dst, caption,Point(src.cols / 4, src.rows / 2),FONT_HERSHEY_COMPLEX, 1,Scalar(255, 255, 255));return display_dst(DELAY_CAPTION);
}
int display_dst(int delay)
{imshow(window_name, dst);int c = waitKey(delay);if (c >= 0) { return -1; }return 0;
}
运行结果2
脸上痣会消失!
这篇关于6.4双边滤波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!