VS2022配置OpenCV环境
- 关于OpenCV在VS2022上配置的教程可以参考：VS2022 配置OpenCV开发环境详细教程
图像处理中滤波技术
图像滤波是图像处理中的一种重要技术，用于改善图像质量或提取图像中的特定特征。以下是一些常见的图像滤波技术：
-
均值滤波（Mean Filter）：
- 简单且广泛使用的线性滤波器，用于平滑图像并减少噪声。
- 通过将每个像素值替换为该像素周围邻域内像素值的平均值来实现。
-
高斯滤波（Gaussian Filter）：
- 一种权重滤波器，使用高斯函数作为权重，对图像进行平滑处理。
- 高斯滤波器对图像的边缘和细节有较好的保留效果。
-
中值滤波（Median Filter）：
- 一种非线性滤波器，通过替换每个像素值为其邻域内的中值来减少噪声。
- 对于椒盐噪声（salt-and-pepper noise）特别有效。
-
锐化滤波（Sharpening Filter）：
- 通过增强图像中的高频成分来提高图像的清晰度。
- 常用的锐化滤波器包括拉普拉斯滤波器。
-
拉普拉斯滤波（Laplacian Filter）：
- 用于边缘检测，通过突出图像中的二阶导数来实现。
- 拉普拉斯滤波器可以增强图像的边缘，但也可能放大噪声。
-
双边滤波（Bilateral Filter）：
- 结合了均值滤波和高斯滤波的优点，同时保留了边缘信息。
- 它根据像素的强度和空间距离进行加权，以平滑图像而不模糊边缘。
-
高通滤波（High-pass Filter）：
- 允许高频信号通过，阻止低频信号。
- 在图像处理中，通常用于突出边缘和细节。
-
低通滤波（Low-pass Filter）：
- 与高通滤波器相反，允许低频信号通过，阻止高频信号。
- 用于图像平滑和去噪。
-
傅里叶变换滤波（Fourier Transform Filtering）：
- 使用傅里叶变换将图像从空间域转换到频率域。
- 在频率域中应用滤波器，然后通过逆傅里叶变换将图像转换回空间域。
-
形态学滤波（Morphological Filtering）：
- 包括膨胀（Dilation）、腐蚀（Erosion）、开运算（Opening）、闭运算（Closing）等。
- 用于图像的形态学操作，如去除小的不规则性或连接断裂的区域。
每种滤波技术都有其特定的应用场景和效果。选择合适的滤波器取决于图像的特性和处理目标。例如，高斯滤波适合于平滑图像和去除高斯噪声，而中值滤波则更适合于去除椒盐噪声。在实际应用中，可能需要结合多种滤波技术来达到最佳效果。
均值滤波
- 介绍：均值滤波是最简单的滤波器之一，它将每个像素的值替换为其邻域内所有像素值的平均值。
- 函数：blur()
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat image, blur_image;image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::blur(image, blur_image, cv::Size(5, 5)); // 5x5的均值滤波cv::imshow("blur_image", blur_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
高斯滤波
- 介绍： 高斯滤波使用高斯函数作为权重来计算邻域内像素的平均值，对图像进行平滑。
- 函数：GaussianBlur()
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat image, gaussian_image;image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::GaussianBlur(image, gaussian_image, cv::Size(5, 5), 0); // 5x5的高斯滤波cv::imshow("gaussian_image", gaussian_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
中值滤波
- 介绍：中值滤波是一种非线性滤波器，它将每个像素替换为其邻域内所有像素值的中值，对椒盐噪声非常有效。
- 函数：medianBlur()
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat image, median_image;image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::medianBlur(image, median_image, 5); // 5x5的中值滤波cv::imshow("median_image", median_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
双边滤波
- 介绍：双边滤波在平滑图像的同时保留边缘，它根据像素值的接近度和空间距离来加权。
- 函数：bilateralFilter()
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat image, bilateral_image;image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::bilateralFilter(image, bilateral_image, 9, 75, 75); // 9x9的双边滤波cv::imshow("bilateral_image", bilateral_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
锐化滤波
- 介绍：锐化滤波通过增强图像的高频分量来使图像看起来更清晰。
- 函数：filter2D()
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat image, sharpen_image;image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::Mat kernel = (cv::Mat_<char>(3, 3) << 0, -1, 0,-1, 5, -1,0, -1, 0);cv::filter2D(image, sharpen_image, image.depth(), kernel);cv::imshow("sharpen_image", sharpen_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
拉普拉斯滤波
- 介绍：拉普拉斯滤波是一种边缘增强的线性滤波器，它使用拉普拉斯算子来突出图像的二阶导数。
- 函数：
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat image, laplacian_image;image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::Laplacian(image, laplacian_image, CV_16S, 1);cv::convertScaleAbs(laplacian_image, laplacian_image); // 转换为无符号8位cv::imshow("laplacian_image", laplacian_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
方框滤波
- 介绍：方框滤波是一种简单的线性滤波器，它将每个像素的值替换为其邻域内所有像素值的总和除以邻域大小。
- 函数：blur()
- c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat src_image, box_image;src_image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::blur(src_image, box_image, cv::Size(3, 3), cv::Point(-1, -1), cv::BORDER_DEFAULT);cv::imshow("box_image", box_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
自定义滤波器
-
介绍：可以创建自定义的滤波器核来应用特定的效果。
-
函数：filter2D
-
c++ demo：
#include <opencv2/opencv.hpp>int main() {cv::Mat src_image, custom_filtered_image;src_image = cv::imread("amy.png", cv::IMREAD_COLOR);cv::Mat custom_kernel = (cv::Mat_<float>(3, 3) << 1, 1, 1,1, 0, 1,1, 1, 1);cv::filter2D(src_image, custom_filtered_image, src_image.depth(), custom_kernel);cv::imshow("custom_filtered_image", custom_filtered_image);cv::waitKey(0); // 等待用户按键return 0;
}
- 结果：
