OpenCV blur()函数的用法（附带实例）

归一化方框滤波器（Normalized Box Filter）是很简单的滤波器，输出像素值是核窗口内像素值的均值（所有像素加权系数相等）。其核（Kernel，用 K 表示）如下图所示：

方框滤波和均值滤波的核基本上是一致的，主要区别是要不要归一化处理。如果使用归一化处理，方框滤波就是均值滤波，实际上均值滤波是方框滤波归一化后的特殊情况。注意，均值滤波不能很好地保护细节。

OpenCV 提供了 blur() 函数来实现均值滤波操作，该函数声明如下：

void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1, -1), int borderType=BORDER_DEFA);

各个参数的含义如下：

src 表示输入图像，可以是 Mat 类型，图像深度是 CV_8U、CV_16U、CV_16S、CV_32F 以及 CV_64F 其中的一个；
dst 表示输出图像，深度和类型与输入图像一致；
ksize 表示滤波模板核的尺寸，一般使用 Size(w,h) 来指定，如 Size(3,3)；
anchor 表示锚点，也就是处理的像素位于核的什么位置，默认值为 (-1, -1)，即位于核的中心点，如果没有特殊需要，就不需要更改；
borderType 用于推断图像外部像素的某种边界模式，默认值为 BORDER_DEFAULT。

【实例】实现均值滤波。
1) 打开 Qt Creator，新建一个控制台工程，工程名是 test。

2) 在工程中打开 main.cpp，输入如下代码：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <stdio.h>

using namespace std;
using namespace cv;

// 定义全局变量
Mat g_srcImage;    // 定义输入图像
Mat g_dstImage;   // 定义目标图像

const int g_nTrackbarMaxValue = 9;    // 定义轨迹条最大值
int g_nTrackbarValue;
int g_nKernelValue;

void on_kernelTrackbar(int, void*);  // 定义回调函数

int main()
{
    g_srcImage = imread("cat.png");
    // 判断图像是否加载成功
    if (g_srcImage.empty())
    {
        cout << "Fail to open file." << endl;
        return -1;
    }

    namedWindow("src", WINDOW_AUTOSIZE);   // 定义窗口显示属性
    imshow("src", g_srcImage);

    g_nTrackbarValue = 1;
    namedWindow("Mean filtering", WINDOW_AUTOSIZE); // 定义滤波后图像显示窗口属性

    // 定义轨迹条名称和最大值
    char kernelName[20];
    sprintf(kernelName, "kernel size: %d", g_nTrackbarMaxValue);

    // 创建轨迹条
    createTrackbar(kernelName, "Mean filtering", &g_nTrackbarValue, g_nTrackbarMaxValue, on_kernelTrackbar);
    on_kernelTrackbar(g_nTrackbarValue, 0);
    waitKey(0);
    return 0;
}

void on_kernelTrackbar(int, void*)
{
    // 根据输入值重新计算 kernel 尺寸
    g_nKernelValue = g_nTrackbarValue * 2 + 1;
    // 均值滤波函数
    blur(g_srcImage, g_dstImage, Size(g_nKernelValue, g_nKernelValue));
    imshow("Mean filtering", g_dstImage);// 显示均值滤波结果图
}

3) 保存工程并运行，结果如下图所示：

OpenCV blur()函数的用法（附带实例）

相关文章