OpenCV3 和 Qt5 计算机视觉 学习笔记 - 颜色和色彩空间 - OpenCV 中的过滤函数

本文主要是介绍OpenCV3 和 Qt5 计算机视觉 学习笔记 - 颜色和色彩空间 - OpenCV 中的过滤函数,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!

OpenCV 中的所有过滤函数均会拍摄图像,并产生尺寸和通道完全相同的图像。 如前所述,它们也都带有borderType参数,我们刚刚完成了实验和学习。 除此之外,每个过滤函数都有自己的必需参数来配置其行为。 这是可用的 OpenCV 过滤函数的列表及其说明和使用方法。 在列表的最后,您可以找到一个示例插件(称为filter_plugin)及其源代码的链接,其中包括以下列表中提到的大多数过滤器,并带有 GUI 控件以试验不同的参数和设置。 为每一个:

  • bilateralFilter:可用于获取图像的Bilateral Filtered副本。 根据σ值和直径,您可以获得的图像看上去可能与原始图像没有太大差异,或者获得的图像看起来像卡通图像(如果σ值足够高)。 这是bilateralFilter函数作为我们的应用的插件工作的示例代码:
        bilateralFilter(inpMat,outMat,15,200,200); 

在这里插入图片描述

//tag 选项
#define BILATERAL_FILTER_PAGE           0
#define BLUR_FILTER_PAGE                1
#define BOX_FILTER_PAGE                 2
#define GAUSSIAN_FILTER_PAGE            3
#define MEDIAN_FILTER_PAGE              4
#define FILTER2D_PAGE                   5
#define DERIVATIVES_PAGE                6
#define MORPH_PAGE                      7设置插件的界面
void Filter_Plugin::setupUi(QWidget *parent)
{ui = new Ui::PluginGui;ui->setupUi(parent);ui->mainTabs->setCurrentIndex(0);connect(ui->mainTabs, SIGNAL(currentChanged(int)), this, SLOT(on_mainTabs_currentChanged(int)));connect(ui->bilateralDiaSpin, SIGNAL(valueChanged(int)), this, SLOT(on_bilateralDiaSpin_valueChanged(int)));connect(ui->bilateralSigmaColorSpin, SIGNAL(valueChanged(double)), this, SLOT(on_bilateralSigmaColorSpin_valueChanged(double)));connect(ui->bilateralSigmaSpaceSpin, SIGNAL(valueChanged(double)), this, SLOT(on_bilateralSigmaSpaceSpin_valueChanged(double)));connect(ui->blurKernelSizeSpinBox, SIGNAL(valueChanged(int)), this, SLOT(on_blurKernelSizeSpinBox_valueChanged(int)));connect(ui->blurAnchoXSpin, SIGNAL(valueChanged(int)), this, SLOT(on_blurAnchoXSpin_valueChanged(int)));connect(ui->blurAnchoYSpin, SIGNAL(valueChanged(int)), this, SLOT(on_blurAnchoYSpin_valueChanged(int)));connect(ui->boxKernelSizeSpinBox, SIGNAL(valueChanged(int)), this, SLOT(on_boxKernelSizeSpinBox_valueChanged(int)));connect(ui->boxDepthSpin, SIGNAL(valueChanged(int)), this, SLOT(on_boxDepthSpin_valueChanged(int)));connect(ui->boxAnchoXSpin, SIGNAL(valueChanged(int)), this, SLOT(on_boxAnchoXSpin_valueChanged(int)));connect(ui->boxAnchoYSpin, SIGNAL(valueChanged(int)), this, SLOT(on_boxAnchoYSpin_valueChanged(int)));connect(ui->boxNormalCheck, SIGNAL(toggled(bool)), this, SLOT(on_boxNormalCheck_toggled(bool)));connect(ui->gaussKernelSizeSpinBox, SIGNAL(valueChanged(int)), this, SLOT(on_gaussKernelSizeSpinBox_valueChanged(int)));connect(ui->gaussSigmaXSpin, SIGNAL(valueChanged(double)), this, SLOT(on_gaussSigmaXSpin_valueChanged(double)));connect(ui->gaussSigmaYSpin, SIGNAL(valueChanged(double)), this, SLOT(on_gaussSigmaYSpin_valueChanged(double)));connect(ui->medianApertureSpin, SIGNAL(valueChanged(int)), this, SLOT(on_medianApertureSpin_valueChanged(int)));connect(ui->derivSobelRadio, SIGNAL(toggled(bool)), this, SLOT(on_derivSobelRadio_toggled(bool)));connect(ui->derivScharrRadio, SIGNAL(toggled(bool)), this, SLOT(on_derivScharrRadio_toggled(bool)));connect(ui->derivLaplacRadio, SIGNAL(toggled(bool)), this, SLOT(on_derivLaplacRadio_toggled(bool)));connect(ui->derivDeltaSpin, SIGNAL(valueChanged(double)), this, SLOT(on_derivDeltaSpin_valueChanged(double)));connect(ui->derivScaleSpin, SIGNAL(valueChanged(double)), this, SLOT(on_derivScaleSpin_valueChanged(double)));ui->morphShapesCombo->addItems(QStringList() << "MORPH_RECT" << "MORPH_CROSS" << "MORPH_ELLIPSE");ui->morphTypesCombo->addItems(QStringList() << "MORPH_ERODE" << "MORPH_DILATE" << "MORPH_OPEN" << "MORPH_CLOSE"<< "MORPH_GRADIENT" << "MORPH_TOPHAT" << "MORPH_BLACKHAT");connect(ui->morphDilateRadio, SIGNAL(toggled(bool)), this, SLOT(on_morphDilateRadio_toggled(bool)));connect(ui->morphErodeRadio, SIGNAL(toggled(bool)), this, SLOT(on_morphErodeRadio_toggled(bool)));connect(ui->morphMorphRadio, SIGNAL(toggled(bool)), this, SLOT(on_morphMorphRadio_toggled(bool)));connect(ui->morphIterSpin, SIGNAL(valueChanged(int)), this, SLOT(on_morphIterSpin_valueChanged(int)));connect(ui->morphShapesCombo, SIGNAL(currentIndexChanged(int)), this, SLOT(on_morphShapesCombo_currentIndexChanged(int)));connect(ui->morphTypesCombo, SIGNAL(currentIndexChanged(int)), this, SLOT(on_morphTypesCombo_currentIndexChanged(int)));
}void Filter_Plugin::processImage(const cv::Mat &inputImage, cv::Mat &outputImage)
{using namespace cv;Matx33f f2dkernel;switch(ui->mainTabs->currentIndex()){// 双边滤波case BILATERAL_FILTER_PAGE:bilateralFilter(inputImage, // 输入图像,可以是Mat类型,图像必须是8位或浮点型单通道、三通道的图像outputImage,//输出图像,和原图像有相同的尺寸和类型ui->bilateralDiaSpin->value(), //表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数,则函数会从第五个参数sigmaSpace计算该值。 ui->bilateralSigmaColorSpin->value(), // 颜色空间过滤器的sigma值,这个参数的值月大,表明该像素邻域内有越宽广的颜色会被混合到一起,产生较大的半相等颜色区域。ui->bilateralSigmaSpaceSpin->value());//坐标空间中滤波器的sigma值,如果该值较大,则意味着越远的像素将相互影响,从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时,d指定了邻域大小且与sigmaSpace无关,否则d正比于sigmaSpace. (这个参数可以理解为空间域核w_d的\sigma_d)break;case BLUR_FILTER_PAGE:blur(inputImage,outputImage,Size(ui->blurKernelSizeSpinBox->value(),ui->blurKernelSizeSpinBox->value()),Point(ui->blurAnchoXSpin->value(),ui->blurAnchoYSpin->value()));break;case BOX_FILTER_PAGE:boxFilter(inputImage,outputImage,ui->boxDepthSpin->value(),Size(ui->boxKernelSizeSpinBox->value(),ui->boxKernelSizeSpinBox->value()),Point(ui->boxAnchoXSpin->value(),ui->boxAnchoYSpin->value()),ui->boxNormalCheck->isChecked());// replace with sqrBoxFilterbreak;case GAUSSIAN_FILTER_PAGE:GaussianBlur(inputImage,outputImage,Size(ui->gaussKernelSizeSpinBox->value(),ui->gaussKernelSizeSpinBox->value()),ui->gaussSigmaXSpin->value(),ui->gaussSigmaYSpin->value());break;case MEDIAN_FILTER_PAGE:medianBlur(inputImage,outputImage,ui->medianApertureSpin->value());break;case FILTER2D_PAGE:f2dkernel = Matx33f(0, +1.5, 0,+1.5, -6, +1.5,0, +1.5, 0);filter2D(inputImage,outputImage,-1, // Output should have same depth as sourcef2dkernel,Point(-1,-1));break;case DERIVATIVES_PAGE:if(ui->derivSobelRadio->isChecked())Sobel(inputImage, outputImage, -1, 1, 1, 3, ui->derivScaleSpin->value(), ui->derivDeltaSpin->value());else if(ui->derivScharrRadio->isChecked())Scharr(inputImage, outputImage, -1, 1, 0, ui->derivScaleSpin->value(), ui->derivDeltaSpin->value());else if(ui->derivLaplacRadio->isChecked())Laplacian(inputImage, outputImage, -1, 3, ui->derivScaleSpin->value(), ui->derivDeltaSpin->value());break;case MORPH_PAGE:if(ui->morphErodeRadio->isChecked()){erode(inputImage,outputImage,getStructuringElement(ui->morphShapesCombo->currentIndex(),Size(5,5)),Point(-1,-1),ui->morphIterSpin->value());}else if(ui->morphDilateRadio->isChecked()){dilate(inputImage,outputImage,getStructuringElement(ui->morphShapesCombo->currentIndex(),Size(5,5)),Point(-1,-1),ui->morphIterSpin->value());}else if(ui->morphMorphRadio->isChecked()){morphologyEx(inputImage,outputImage,ui->morphTypesCombo->currentIndex(),getStructuringElement(ui->morphShapesCombo->currentIndex(),Size(5,5)),Point(-1,-1),ui->morphIterSpin->value());}break;}
}
  • blurboxFiltersqrBoxFilterGaussianBlurmedianBlur:这些均用于获取输入图像的平滑版本。 所有这些函数都使用核大小参数,该参数与直径参数基本相同,并且用于确定从中计算出滤波后像素的相邻像素的直径。 (尽管我们没有了解它们的详细信息,但是这些过滤器函数与我们在本书前面各章中使用的过滤器函数相同。)GaussianBlur函数需要提供高斯核标准差(σ)参数,在XY方向上。 (有关这些参数的数学来源的足够信息,请参阅 OpenCV 文档。)实际上,值得注意的是,高斯过滤器中的核大小必须为奇数和正数。 同样,如果核大小也足够高,较高的σ值只会对结果产生重大影响。 以下是提到的平滑过滤器的几个示例(左侧为GaussianBlur,右侧为medianBlur),以及示例函数调用:
 		Size kernelSize(5,5); blur(inpMat,outMat,kernelSize); int depth = -1; // output depth same as source Size kernelSizeB(10,10); Point anchorPoint(-1,-1); bool normalized = true; boxFilter(inutMat,outMat,depth, kernelSizeB,anchorPoint, normalized); double sigma = 10; GaussianBlur(inpMat,outMat,kernelSize,sigma,sigma); int apertureSize = 10; medianBlur(inpMat,outMat,apertureSize); 

在这里插入图片描述

  • filter2D:此函数可用于将自定义过滤器应用于图像。 您需要为此函数提供的一个重要参数是核矩阵。 此函数非常强大,它可以产生许多不同的结果,包括与我们先前看到的模糊函数相同的结果,以及许多其他过滤器,具体取决于提供的核。 这里有几个示例核,以及如何使用它们以及生成的图像。 确保尝试使用不同的核(您可以在互联网上搜索大量有用的核矩阵),并亲自尝试使用此函数:
  // Sharpening image Matx33f f2dkernel(0, -1, 0, -1, 5, -1, 0, -1, 0); int depth = -1; // output depth same as source filter2D(inpMat,outMat,depth,f2dkernel); ***** // Edge detection Matx33f f2dkernel(0, +1.5, 0, +1.5, -6, +1.5, 0, +1.5, 0); int depth = -1; // output depth same as source filter2D(inpMat,outMat,depth,f2dkernel); 

在这里插入图片描述

  • LaplacianScharrSobelspatialGradient:这些函数处理图像导数。 图像导数在计算机视觉中非常重要,因为它们可用于检测图像中具有变化或更好的是显着变化的区域(因为这是导数的用例之一)。 无需过多地讨论其理论和数学细节,可以提及的是,在实践中,它们用于处理边缘或角点检测,并且在 OpenCV 框架中被关键点提取方法广泛使用。 在前面的示例和图像中,我们还使用了导数计算核。 以下是一些有关如何使用它们以及产生的图像的示例。 屏幕截图来自Computer_Vision项目和filter_plugin,此列表后不久有一个链接。 您始终可以使用 Qt 控件(例如旋转框,刻度盘和滑块)来获取 OpenCV 函数的不同参数值,以更好地控制该函数的行为:
        int depth = -1; int dx = 1; int dy = 1; int kernelSize = 3; double scale = 5; double delta = 220; Sobel(inpMat, outMat, depth,dx,dy,kernelSize,scale,delta); 

在这里插入图片描述

如果我们使用以下代码:

        int depth = -1; int dx = 1; int dy = 0; double scale = 1.0; double delta = 100.0; Scharr(inpMat,outMat,depth,dx,dy,scale,delta);

在这里插入图片描述

对于以下代码:

        int depth = -1; int kernelSize = 3; double scale = 1.0; double delta = 0.0; Laplacian(inpMat,outMat,depth, kernelSize,scale,delta); 

在这里插入图片描述

  • erodedilate:从它们的名称可以猜出这些函数,它们对于获得腐蚀和膨胀效果很有用。 这两个函数都采用一个结构元素矩阵,可以通过简单地调用getStructuringElement函数来构建它。 (可选)您可以选择多次运行该函数(或对其进行迭代),以获得越来越腐蚀或膨胀的图像。 以下是如何同时使用这两个函数及其生成的图像的示例:
        erode(inputImage, outputImage, getStructuringElement(shapeComboBox->currentIndex(), Size(5,5)), // Kernel size Point(-1,-1), // Anchor point (-1,-1) for default iterationsSpinBox->value()); 

在这里插入图片描述

在这里插入图片描述

您可以将完全相同的参数传递给dilate函数。 在前面的代码中,假设使用组合框小部件获取结构元素的形状,该小部件可以是MORPH_RECTMORPH_CROSSMORPH_ELLIPSE。 同样,通过使用旋转框小部件设置迭代计数,该小部件可以是大于零的数字。

让我们继续下一个函数:

  • morphologyEx
    

    :此函数可用于执行各种形态学操作。 它需要一个操作类型参数以及我们在

    dilate
    

    erode
    

    函数中使用的相同参数。 以下是可以传递给

    morphologyEx
    

    函数的参数及其含义:

    • MORPH_ERODE:产生与erode函数相同的结果。

    • MORPH_DILATE:产生与dilate函数相同的结果。

    • MORPH_OPEN:可用于执行打开操作。 这与对侵蚀的图像进行放大相同,对于消除图像中的细微伪影很有用。

    • MORPH_CLOSE:可用于执行关闭操作。 它与侵蚀膨胀的图像相同,可用于消除线条中的细小断开等。

    • MORPH_GRADIENT:此函数提供图像的轮廓,并且与同一图像的侵蚀和膨胀版本的区别相同。

    • MORPH_TOPHAT:可用于获取图像与其打开的变形之间的差异。

    • MORPH_BLACKHAT:这可以用来获取图像关闭和图像本身之间的差异。

              morphologyEx(inputImage, outputImage, morphTypeComboBox->currentIndex(), getStructuringElement(shapeComboBox->currentIndex(), Size(5,5)), // kernel size Point(-1,-1), // default anchor point iterationsSpinBox->value()); 
      

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

这篇关于OpenCV3 和 Qt5 计算机视觉 学习笔记 - 颜色和色彩空间 - OpenCV 中的过滤函数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/900494

相关文章

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

MySQL 中的 CAST 函数详解及常见用法

《MySQL中的CAST函数详解及常见用法》CAST函数是MySQL中用于数据类型转换的重要函数,它允许你将一个值从一种数据类型转换为另一种数据类型,本文给大家介绍MySQL中的CAST... 目录mysql 中的 CAST 函数详解一、基本语法二、支持的数据类型三、常见用法示例1. 字符串转数字2. 数字

Python内置函数之classmethod函数使用详解

《Python内置函数之classmethod函数使用详解》:本文主要介绍Python内置函数之classmethod函数使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录1. 类方法定义与基本语法2. 类方法 vs 实例方法 vs 静态方法3. 核心特性与用法(1编程客

Python函数作用域示例详解

《Python函数作用域示例详解》本文介绍了Python中的LEGB作用域规则,详细解析了变量查找的四个层级,通过具体代码示例,展示了各层级的变量访问规则和特性,对python函数作用域相关知识感兴趣... 目录一、LEGB 规则二、作用域实例2.1 局部作用域(Local)2.2 闭包作用域(Enclos

MySQL count()聚合函数详解

《MySQLcount()聚合函数详解》MySQL中的COUNT()函数,它是SQL中最常用的聚合函数之一,用于计算表中符合特定条件的行数,本文给大家介绍MySQLcount()聚合函数,感兴趣的朋... 目录核心功能语法形式重要特性与行为如何选择使用哪种形式?总结深入剖析一下 mysql 中的 COUNT

MySQL 中 ROW_NUMBER() 函数最佳实践

《MySQL中ROW_NUMBER()函数最佳实践》MySQL中ROW_NUMBER()函数,作为窗口函数为每行分配唯一连续序号,区别于RANK()和DENSE_RANK(),特别适合分页、去重... 目录mysql 中 ROW_NUMBER() 函数详解一、基础语法二、核心特点三、典型应用场景1. 数据分

MySQL之InnoDB存储页的独立表空间解读

《MySQL之InnoDB存储页的独立表空间解读》:本文主要介绍MySQL之InnoDB存储页的独立表空间,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、独立表空间【1】表空间大小【2】区【3】组【4】段【5】区的类型【6】XDES Entry区结构【

MySQL数据库的内嵌函数和联合查询实例代码

《MySQL数据库的内嵌函数和联合查询实例代码》联合查询是一种将多个查询结果组合在一起的方法,通常使用UNION、UNIONALL、INTERSECT和EXCEPT关键字,下面:本文主要介绍MyS... 目录一.数据库的内嵌函数1.1聚合函数COUNT([DISTINCT] expr)SUM([DISTIN

Python get()函数用法案例详解

《Pythonget()函数用法案例详解》在Python中,get()是字典(dict)类型的内置方法,用于安全地获取字典中指定键对应的值,它的核心作用是避免因访问不存在的键而引发KeyError错... 目录简介基本语法一、用法二、案例:安全访问未知键三、案例:配置参数默认值简介python是一种高级编