OpenCV 【十九】图像金字塔/基本的阈值操作/实现自己的线性滤波器

1.part one 图像金字塔

1.1原理

1.1.1图像金字塔

1.1.2高斯金字塔

1.2代码

1.3运行结果

2.part two 基本的阈值操作¶

2.1原理

2.1.1阈值化的类型：

2.1.2阈值类型1：二进制阈值化

2.1.3阈值类型2：反二进制阈值化

2.1.4阈值类型3：截断阈值化

2.1.5阈值类型4：阈值化为0

2.1.6阈值类型5：反阈值化为0

2.2代码

2.3运行结果

3.part three 实现自己的线性滤波器

3.1原理

3.1.1卷积

3.1.2核是什么？

3.1.3如何用核实现卷积？

3.2代码

3.3运行结果

1.part one 图像金字塔

1.1原理

当我们需要将图像转换到另一个尺寸的时候，有两种可能：
1. 放大图像或者
2. 缩小图像。
尽管OpenCV 几何变换 部分提供了一个真正意义上的图像缩放函数(resize, 在以后的教程中会学到),不过在本篇我们首先学习一下使用 图像金字塔 来做图像缩放, 图像金字塔是视觉运用中广泛采用的一项技术。

1.1.1图像金字塔

一个图像金字塔是一系列图像的集合 - 所有图像来源于同一张原始图像 - 通过梯次向下采样获得，直到达到某个终止条件才停止采样。
有两种类型的图像金字塔常常出现在文献和应用中:
- 高斯金字塔(Gaussian pyramid): 用来向下采样
- 拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像重建上层未采样图像

1.1.2高斯金字塔

想想金字塔为一层一层的图像，层级越高，图像越小。
每一层都按从下到上的次序编号，层级 (表示为尺寸小于层级 ())。
为了获取层级为的金字塔图像，我们采用如下方法:
- 将与高斯内核卷积:
- 将所有偶数行和列去除。
显而易见，结果图像只有原图的四分之一。通过对输入图像 (原始图像) 不停迭代以上步骤就会得到整个金字塔。
以上过程描述了对图像的向下采样，如果将图像变大呢?:
- 首先，将图像在每个方向扩大为原来的两倍，新增的行和列以0填充()
- 使用先前同样的内核(乘以4)与放大后的图像卷积，获得 “新增像素” 的近似值。
这两个步骤(向下和向上采样) 分别通过OpenCV函数 pyrUp 和 pyrDown 实现, 我们将会在下面的示例中演示如何使用这两个函数。

1.2代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <math.h>
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/// 全局变量
Mat src, dst, tmp;
char* window_name = "Pyramids Demo";


/*** @函数 main*/
int main( int argc, char** argv )
{/// 指示说明printf( "\n Zoom In-Out demo  \n " );printf( "------------------ \n" );printf( " * [u] -> Zoom in  \n" );printf( " * [d] -> Zoom out \n" );printf( " * [ESC] -> Close program \n \n" );
/// 测试图像 - 尺寸必须能被 2^{n} 整除src = imread( "../images/chicky_512.jpg" );if( !src.data ){ printf(" No data! -- Exiting the program \n");return -1; }
tmp = src;dst = tmp;
/// 创建显示窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE );imshow( window_name, dst );
/// 循环while( true ){int c;c = waitKey(10);
if( (char)c == 27 ){ break; }if( (char)c == 'u' ){ pyrUp( tmp, dst, Size( tmp.cols*2, tmp.rows*2 ) );printf( "** Zoom In: Image x 2 \n" );}else if( (char)c == 'd' ){ pyrDown( tmp, dst, Size( tmp.cols/2, tmp.rows/2 ) );printf( "** Zoom Out: Image / 2 \n" );}
imshow( window_name, dst );tmp = dst;}return 0;
}

1.3运行结果

2.part two 基本的阈值操作¶

2.1原理

最简单的图像分割的方法。
应用举例：从一副图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者整体）。这样的图像分割方法是基于图像中物体与背景之间的灰度差异，而且此分割属于像素级的分割。
为了从一副图像中提取出我们需要的部分，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。
一旦找到了需要分割的物体的像素点，我们可以对这些像素点设定一些特定的值来表示。（例如：可以将该物体的像素点的灰度值设定为：‘0’（黑色）,其他的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果）。

2.1.1阈值化的类型：
- OpenCV中提供了阈值（threshold）函数： threshold 。
- 这个函数有5种阈值化类型，在接下来的章节中将会具体介绍。
- 为了解释阈值分割的过程，我们来看一个简单有关像素灰度的图片，该图如下。该图中的蓝色水平线代表着具体的一个阈值。
2.1.2阈值类型1：二进制阈值化
- 该阈值化类型如下式所示:
- 解释：在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于125的像素点的灰度值设定为0。
2.1.3阈值类型2：反二进制阈值化
- 该阈值类型如下式所示：
- 解释：该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，不过最后的设定值相反。（在8位灰度图中，例如大于阈值的设定为0，而小于该阈值的设定为255）。
2.1.4阈值类型3：截断阈值化
- 该阈值化类型如下式所示：
- 解释：同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。（例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。
2.1.5阈值类型4：阈值化为0
- 该阈值类型如下式所示：
- 解释：先选定一个阈值，然后对图像做如下处理：1 像素点的灰度值大于该阈值的不进行任何改变；2 像素点的灰度值小于该阈值的，其灰度值全部变为0。
2.1.6阈值类型5：反阈值化为0
- 该阈值类型如下式所示：
- 解释：原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

2.2代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/// 全局变量定义及赋值

int threshold_value = 0;
int threshold_type = 3;;
int const max_value = 255;
int const max_type = 4;
int const max_BINARY_value = 255;

Mat src, src_gray, dst;
char* window_name = "Threshold Demo";

char* trackbar_type = "Type: \n 0: Binary \n 1: Binary Inverted \n 2: Truncate \n 3: To Zero \n 4: To Zero Inverted";
char* trackbar_value = "Value";

/// 自定义函数声明
void Threshold_Demo( int, void* );

/*** @主函数*/
int main( int argc, char** argv )
{/// 读取一副图片，不改变图片本身的颜色类型（该读取方式为DOS运行模式）src = imread( argv[1], 1 );
/// 将图片转换成灰度图片cvtColor( src, src_gray, CV_RGB2GRAY );
/// 创建一个窗口显示图片namedWindow( window_name, CV_WINDOW_AUTOSIZE );
/// 创建滑动条来控制阈值createTrackbar( trackbar_type,window_name, &threshold_type,max_type, Threshold_Demo );
createTrackbar( trackbar_value,window_name, &threshold_value,max_value, Threshold_Demo );
/// 初始化自定义的阈值函数Threshold_Demo( 0, 0 );
/// 等待用户按键。如果是ESC健则退出等待过程。while(true){int c;c = waitKey( 20 );if( (char)c == 27 ){ break; }}

}


/*** @自定义的阈值函数*/
void Threshold_Demo( int, void* )
{/* 0: 二进制阈值1: 反二进制阈值2: 截断阈值3: 0阈值4: 反0阈值*/
threshold( src_gray, dst, threshold_value, max_BINARY_value,threshold_type );
imshow( window_name, dst );
}

2.3运行结果

3.part three 实现自己的线性滤波器

3.1原理

3.1.1卷积

高度概括地说，卷积是在每一个图像块与某个算子（核）之间进行的运算。

3.1.2核是什么？

核说白了就是一个固定大小的数值数组。该数组带有一个锚点，一般位于数组中央。

3.1.3如何用核实现卷积？

假如你想得到图像的某个特定位置的卷积值，可用下列方法计算：

将核的锚点放在该特定位置的像素上，同时，核内的其他值与该像素邻域的各像素重合；
将核内各值与相应像素值相乘，并将乘积相加；
将所得结果放到与锚点对应的像素上；
对图像所有像素重复上述过程。

用公式表示上述过程如下：

幸运的是，我们不必自己去实现这些运算，OpenCV为我们提供了函数 filter2D 。

3.2代码

载入一幅图像
对图像执行 归一化块滤波器 。举例来说，如果该滤波器核的大小为，则它会像下面这样：

程序将执行核的大小分别为3、5、7、9、11的滤波器运算。

该滤波器每一种核的输出将在屏幕上显示500毫秒

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/** @函数main */
int main ( int argc, char** argv )
{/// 声明变量Mat src, dst;
Mat kernel;Point anchor;double delta;int ddepth;int kernel_size;char* window_name = "filter2D Demo";
int c;
/// 载入图像src = imread( argv[1] );
if( !src.data ){ return -1; }
/// 创建窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE );
/// 初始化滤波器参数anchor = Point( -1, -1 );delta = 0;ddepth = -1;
/// 循环 - 每隔0.5秒，用一个不同的核来对图像进行滤波int ind = 0;while( true ){c = waitKey(500);/// 按'ESC'可退出程序if( (char)c == 27 ){ break; }
/// 更新归一化块滤波器的核大小kernel_size = 3 + 2*( ind%5 );kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size);
/// 使用滤波器filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );imshow( window_name, dst );ind++;}
return 0;
}

3.3运行结果

OpenCV 【十九】图像金字塔/基本的阈值操作/实现自己的线性滤波器相关推荐

OpenCV之imgproc 模块. 图像处理（1）图像平滑处理腐蚀与膨胀(Eroding and Dilating) 更多形态学变换图像金字塔基本的阈值操作
图像平滑处理目标本教程教您怎样使用各种线性滤波器对图像进行平滑处理,相关OpenCV函数如下: blur GaussianBlur medianBlur bilateralFilter 原理 No ...
JavaScript学习（三十九）—对象中内容的操作
JavaScript学习(三十九)-对象中内容的操作一.对象中内容的操作:增.删.改.查 (一).增:给对象添加属性或者方法 1)方式1:对象名称.属性名=属性值: 2)方式2:对象名称['属性名' ...
OpenCV系列之图像金字塔 | 二十
目标在本章中, 我们将学习图像金字塔我们将使用图像金字塔创建一个新的水果"Orapple" 我们将看到以下功能:cv.pyrUp(),cv.pyrDown() 理论通常,我们 ...
计算机视觉OpenCV(五)：图像金字塔与轮廓检测
目录图像金字塔 1. 高斯金字塔(Gaussian Pyramid) 2. 拉普拉斯金字塔(Laplacian Pyramid) 图像轮廓 1. 查找检测物体的轮廓 2. 绘制轮廓 3. 轮廓特征 ...
OpenCV+python：图像金字塔
1,图像金字塔的概念图像金字塔是一种以多分辨率来解释图像的有效但概念简单的结构.应用于图像分割,机器视觉和图像压缩.一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图 ...
cv2.error: opencv(4.4.0)_【从零学习OpenCV 4】图像金字塔
点击上方"小白学视觉",选择"星标"公众号重磅干货,第一时间送达经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍<从零学习Open ...
OpenCV中的图像金字塔(高斯金字塔、拉普拉斯金字塔)
最近在看关于数字图像的知识点,目前在图像金字塔部分,实在是懒得用手作笔记了,就以其中比较出名的"高斯金字塔"和"拉普拉斯金字塔"为例,基于OpenCV的源代码作 ...
【CV系列】图像算法之十：图像金字塔
目录一.基本原理二.算法实现一.基本原理图像金字塔常用作多分辨率模型.视频图像的多分辨率模型是视频图像处理的重要方法. 图像金字塔包括高斯金字塔和拉普拉斯金字塔两种实现形式. 1. ...
（openCV 十九）轮廓Contours形状拟合
什么是轮廓? 轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同的颜色或者灰度.轮廓在形状分析和物体的检测和识别中很有用. • 为了更加准确,要使用二值化图像.在寻找轮廓之前,要进行阈 ...

OpenCV 【十九】图像金字塔/基本的阈值操作/实现自己的线性滤波器

1.part one 图像金字塔

1.1原理

1.1.1图像金字塔

1.1.2高斯金字塔

1.2代码

1.3运行结果

2.part two 基本的阈值操作¶

2.1原理

2.1.1阈值化的类型：

2.1.2阈值类型1：二进制阈值化

2.1.3阈值类型2：反二进制阈值化

2.1.4阈值类型3：截断阈值化

2.1.5阈值类型4：阈值化为0

2.1.6阈值类型5：反阈值化为0

2.2代码

2.3运行结果

3.part three 实现自己的线性滤波器

3.1原理

3.1.1卷积

3.1.2核是什么？

3.1.3如何用核实现卷积？

3.2代码

3.3运行结果

3.3运行结果

OpenCV 【十九】图像金字塔/基本的阈值操作/实现自己的线性滤波器相关推荐

最新文章

热门文章