本文主要是介绍iOS-Opencv 基础学习四(对图片进行图像模糊处理blur、边缘处理Canny),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!
iOS中 利用opencv 对图片进行模糊处理,所用到的函数-均值滤波——blur函数
原理:均值滤波是一种典型的线性滤波算法,主要是利用像素点邻域的像素值来计算像素点的值。其具体方法是首先给出一个滤波模板kernel,该模板将覆盖像素点周围的其他邻域像素点,去掉像素本身,将其邻域像素点相加然后取平均值即为该像素点的新的像素值,这就是均值滤波的本质。
原理转自 http://blog.csdn.net/keith_bb/article/details/54382426
+ (UIImage *)ImageToBlur:(UIImage *)image
{//实现功能//第一步:将iOS图片->OpenCV图片(Mat矩阵)Mat mat_image_src;UIImageToMat(image, mat_image_src);Mat mat_image_dst;/*blur的作用是对输入的图像src进行均值滤波后用dst输出。*/blur(mat_image_src,mat_image_dst,cv::Size(25,25));return MatToUIImage(mat_image_dst);
}
// 对图片进行边缘处理
边缘处理概述:Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论(Computational theory of edge detection)解释这项技术如何工作。
通常情况下边缘检测的目的是在保留原有图像属性的情况下,显著减少图像的数据规模。目前有多种算法可以进行边缘检测,虽然Canny算法年代久远,但可以说它是边缘检测的一种标准算法,而且仍在研究中广泛使用。(来自百度百科)
// 对图片进行边缘处理
+ (UIImage *)ImageToCanny:(UIImage *)image
{//实现功能//第一步:将iOS图片->OpenCV图片(Mat矩阵)image = [UIImage imageNamed:@"building.jpg"];Mat mat_image_src;UIImageToMat(image, mat_image_src);int channel = mat_image_src.channels();if (channel<=2) {return image;}Mat mat_image_dst,grayimage,edge;mat_image_dst.create(mat_image_src.size(), mat_image_src.type());/*OpenCV Error: Assertion failed (scn == 3 || scn == 4) in cvtColor,错误原因是因为你的输入文件不合法,正确的image应该至少有3或者4个channel*/cvtColor(mat_image_src,grayimage,COLOR_BGR2GRAY);blur(grayimage,edge,cv::Size(3,3));/*第一个参数,InputArray类型的image,输入图像,即源图像,填Mat类的对象即可,且需为单通道8位图像。第二个参数,OutputArray类型的edges,输出的边缘图,需要和源图片有一样的尺寸和类型。第三个参数,double类型的threshold1,第一个滞后性阈值。第四个参数,double类型的threshold2,第二个滞后性阈值。第五个参数,int类型的apertureSize,表示应用Sobel算子的孔径大小,其有默认值3。 Aperture size should be odd between 3 and 7 in function Canny第六个参数,bool类型的L2gradient,一个计算图像梯度幅值的标识,有默认值false。*/Canny(edge,edge,100,200,3);return MatToUIImage(edge);
}
这篇关于iOS-Opencv 基础学习四(对图片进行图像模糊处理blur、边缘处理Canny)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!