opencv滤波算法总结

opencv平滑算法总结

1、高斯滤波

有大佬已经写的很好了，直接引用，备忘
链接: 高斯滤波

按照正态分布概率，将卷积核内灰度值加权求出最终的灰度值

2、中值滤波

最终取值为卷积核的中值

3、均值滤波

最终取值为卷积核的均值

4、双边滤波

将高斯滤波和该灰度值的值域差值的加权进行联合，具有保边效果

5、联合双边滤波

获得高斯滤波卷积核A，然后高斯平滑，获取平滑后的值域差值获得卷积核 B， 然后将卷积核A B相乘，然后归一化，便可得到该位置的权重模板，将所得到的权重模板和该位置的邻域对应位置的值相乘，然后求和得到该位置的输出值

//高斯滤波
int MainWindow::myGaussBlur(Mat& p_srcImg , Mat &p_dstImg)
{
    GaussianBlur(p_srcImg , p_dstImg , Size(15,5) , 2);
    return 0;
}
//中值滤波
int MainWindow::myMediaBlur(Mat& p_srcImg , Mat &p_dstImg)
{
    medianBlur(p_srcImg , p_dstImg , 1);
    return 0;
}
//均值滤波
int MainWindow::myBlur(Mat& p_srcImg , Mat &p_dstImg)
{
    blur(p_srcImg , p_dstImg , Size(5,5));
    return 0;
}
//双边滤波
int MainWindow::mybilaBlur(Mat& p_srcImg , Mat &p_dstImg)
{
    bilateralFilter(p_srcImg , p_dstImg,3,3,3);
    return 0;
}
//联合双边滤波
int MainWindow::myjoinBilaBlur(Mat& p_srcImg , Mat &p_dstImg)
{

    GaussianBlur(p_srcImg , p_dstImg , Size(5,5) , 2);
    return 0;
}


void MainWindow::on_comboBox_activated(int index)
{
    Mat srcImg = imread("D:\\5.jpg",0);
    if(srcImg.empty())
    {
        QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
        return;
    }
    Mat t_dstImg;
    switch (index) {
    case 0:
        myGaussBlur(srcImg ,t_dstImg );
        break;
    case 1:
        myMediaBlur(srcImg ,t_dstImg );
        break;
    case 2:
        myBlur(srcImg ,t_dstImg );
        break;
    case 3:
        mybilaBlur(srcImg ,t_dstImg );
        break;
    default:
        break;
    }


    QImage qImg = QImage((unsigned char*)(t_dstImg.data), t_dstImg.cols,
                         t_dstImg.rows, t_dstImg.cols*t_dstImg.channels(), QImage::Format_Grayscale8);
    ui->label_2->resize(qImg.width() , qImg.height());
    ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));


}

原文地址：https://blog.csdn.net/doubleintfloat/article/details/142343279

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！