图像滤波总结（面试经验总结）https://blog.csdn.net/Darlingqiang/article/details/79507468

平滑也称模糊, 是一项简单且使用频率很高的图像处理方法。
平滑处理的用途有很多，但是在本教程中我们仅仅关注它减少噪声的功用 (其他用途在以后的教程中会接触到)。
平滑处理时需要用到一个 滤波器 。最常用的滤波器是线性滤波器，线性滤波处理的输出像素值 (i.e. ) 是输入像素值 (i.e. )的加权和 :

称为核, 它仅仅是一个加权系数。

不妨把 滤波器 想象成一个包含加权系数的窗口，当使用这个滤波器平滑处理图像时，就把这个窗口滑过图像。
滤波器的种类有很多，这里仅仅提及最常用的:

1.1归一化块滤波器 (Normalized Box Filter)

最简单的滤波器，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)
核如下:

1.2高斯滤波器 (Gaussian Filter)

最有用的滤波器 (尽管不是最快的)。高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积将卷积和当作输出像素值。
还记得1维高斯函数的样子吗?

假设图像是1维的,那么观察上图，不难发现中间像素的加权系数是最大的，周边像素的加权系数随着它们远离中间像素的距离增大而逐渐减小。

Note

2维高斯函数可以表达为 :

其中为均值 (峰值对应位置)，

代表标准差 (变量和变量各有一个均值，也各有一个标准差)

1.3中值滤波器 (Median Filter)

中值滤波将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的中值代替。

1.4双边滤波 (Bilateral Filter)

目前我们了解的滤波器都是为了平滑图像，问题是有些时候这些滤波器不仅仅削弱了噪声，连带着把边缘也给磨掉了。为避免这样的情形 (至少在一定程度上 ), 我们可以使用双边滤波。
类似于高斯滤波器，双边滤波器也给每一个邻域像素分配一个加权系数。这些加权系数包含两个部分, 第一部分加权方式与高斯滤波一样，第二部分的权重则取决于该邻域像素与当前像素的灰度差值。
详细的解释可以查看链接

2代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

using namespace std;
using namespace cv;

/// 全局变量
int DELAY_CAPTION = 15000;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;

Mat src; Mat dst;
char window_name[] = "Filter Demo 1";

/// 函数申明
int display_caption(char* caption);
int display_dst(int delay);

/**
*  main 函数
*/
int main(int argc, char** argv)
{namedWindow(window_name, CV_WINDOW_AUTOSIZE);
/// 载入原图像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\4.jpg", 1);
if (display_caption("Original Image") != 0) { return 0; }
dst = src.clone();if (display_dst(DELAY_CAPTION) != 0) { return 0; }/// 使用 均值平滑if (display_caption("Homogeneous Blur") != 0) { return 0; }
for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){blur(src, dst, Size(i, i), Point(-1, -1));if (display_dst(DELAY_BLUR) != 0) { return 0; }}
/// 使用高斯平滑if (display_caption("Gaussian Blur") != 0) { return 0; }
for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){GaussianBlur(src, dst, Size(i, i), 0, 0);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
/// 使用中值平滑if (display_caption("Median Blur") != 0) { return 0; }
for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){medianBlur(src, dst, i);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
/// 使用双边平滑if (display_caption("Bilateral Blur") != 0) { return 0; }
for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){bilateralFilter(src, dst, i, i * 2, i / 2);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
/// 等待用户输入display_caption("End: Press a key!");
waitKey(0);return 0;
}

int display_caption(char* caption)
{dst = Mat::zeros(src.size(), src.type());putText(dst, caption,Point(src.cols / 4, src.rows / 2),CV_FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255));
imshow(window_name, dst);int c = waitKey(DELAY_CAPTION);if (c >= 0) { return -1; }return 0;
}

int display_dst(int delay)
{imshow(window_name, dst);int c = waitKey(delay);if (c >= 0) { return -1; }return 0;
}

createTrackbar 的使用

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>

using namespace std;
using namespace cv;
//拖动条回调函数
void onChangeTrackBar(int pos, void *data)
{//强制类型转换Mat srcImage = *(cv::Mat*)(data);Mat dstImage;//根据拖动条的值对传入图像进行二值化threshold(srcImage, dstImage, pos, 255, 0);imshow("threshold", dstImage);
}
int main()
{//读取图像Mat srcImage = imread("C:\\Users\\guoqi\\Desktop\\ch7\\1.jpg", IMREAD_UNCHANGED);if (!srcImage.data) {cout << "read failed" << endl;system("pause");return -1;}//原图像转换灰度图Mat srcGray;cvtColor(srcImage, srcGray, CV_RGB2GRAY);namedWindow("threshold");//创建窗口imshow("threshold", srcGray);//创建滑动条createTrackbarcreateTrackbar("pos", "threshold",0, 255, onChangeTrackBar, &srcImage);waitKey(0);return 0;
}

3效果

part two 腐蚀与膨胀(Eroding and Dilating)

1原理

1.1形态学操作¶

简单讲，形态学操作就是基于形状的一系列图像处理操作。将 结构元素 作用于输入图像来产生输出图像。
最基本的形态学操作有二：腐蚀与膨胀(Erosion 与 Dilation)。他们的运用广泛:
- 消除噪声
- 分割(isolate)独立的图像元素，以及连接(join)相邻的元素。
- 寻找图像中的明显的极大值区域或极小值区域。
通过以下图像，我们简要来讨论一下膨胀与腐蚀操作(译者注：注意这张图像中的字母为黑色，背景为白色，而不是一般意义的背景为黑色，前景为白色）:
1.2膨胀
- 此操作将图像与任意形状的内核 ()，通常为正方形或圆形,进行卷积。
- 内核有一个可定义的锚点, 通常定义为内核中心点。
- 进行膨胀操作时，将内核划过图像,将内核覆盖区域的最大相素值提取，并代替锚点位置的相素。显然，这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀 dilation )。对上图采用膨胀操作我们得到:
背景(白色)膨胀，而黑色字母缩小了。

1.3腐蚀
- 腐蚀在形态学操作家族里是膨胀操作的孪生姐妹。它提取的是内核覆盖下的相素最小值。
- 进行腐蚀操作时，将内核划过图像,将内核覆盖区域的最小相素值提取，并代替锚点位置的相素。
- 以与膨胀相同的图像作为样本,我们使用腐蚀操作。从下面的结果图我们看到亮区(背景)变细，而黑色区域(字母)则变大了。

2代码

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

using namespace cv;

/// 全局变量
Mat src, erosion_dst, dilation_dst;

int erosion_elem = 0;
int erosion_size = 0;
int dilation_elem = 0;
int dilation_size = 0;
int const max_elem = 2;
int const max_kernel_size = 21;

/** Function Headers */
void Erosion(int, void*);
void Dilation(int, void*);

/** @function main */
int main(int argc, char** argv)
{/// Load 图像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\1.jpg", IMREAD_UNCHANGED);
if (!src.data){return -1;}
/// 创建显示窗口namedWindow("Erosion Demo", CV_WINDOW_AUTOSIZE);namedWindow("Dilation Demo", CV_WINDOW_AUTOSIZE);cvMoveWindow("Dilation Demo", src.cols, 0);
/// 创建腐蚀 TrackbarcreateTrackbar("Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Erosion Demo",&erosion_elem, max_elem,Erosion);
createTrackbar("Kernel size:\n 2n +1", "Erosion Demo",&erosion_size, max_kernel_size,Erosion);
/// 创建膨胀 TrackbarcreateTrackbar("Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Dilation Demo",&dilation_elem, max_elem,Dilation);
createTrackbar("Kernel size:\n 2n +1", "Dilation Demo",&dilation_size, max_kernel_size,Dilation);
/// Default startErosion(0, 0);Dilation(0, 0);
waitKey(0);return 0;
}

/**  @function Erosion  */
void Erosion(int, void*)
{int erosion_type;if (erosion_elem == 0) { erosion_type = MORPH_RECT; }else if (erosion_elem == 1) { erosion_type = MORPH_CROSS; }else if (erosion_elem == 2) { erosion_type = MORPH_ELLIPSE; }
Mat element = getStructuringElement(erosion_type,Size(2 * erosion_size + 1, 2 * erosion_size + 1),Point(erosion_size, erosion_size));
/// 腐蚀操作erode(src, erosion_dst, element);imshow("Erosion Demo", erosion_dst);
}

/** @function Dilation */
void Dilation(int, void*)
{int dilation_type;if (dilation_elem == 0) { dilation_type = MORPH_RECT; }else if (dilation_elem == 1) { dilation_type = MORPH_CROSS; }else if (dilation_elem == 2) { dilation_type = MORPH_ELLIPSE; }
Mat element = getStructuringElement(dilation_type,Size(2 * dilation_size + 1, 2 * dilation_size + 1),Point(dilation_size, dilation_size));///膨胀操作dilate(src, dilation_dst, element);imshow("Dilation Demo", dilation_dst);
}

3运行结果

part three更多形态学变换¶

这篇文档将会简要介绍OpenCV提供的5种高级形态学操作：

1 原理

1.1开运算 (Opening)

开运算是通过先对图像先腐蚀再膨胀实现的。

能够排除小团块物体(假设物体较背景明亮)
请看下面，左图是原图像，右图是采用开运算转换之后的结果图。 观察发现字母拐弯处的白色空间消失。

1.2闭运算(Closing)

闭运算是通过先对图像先膨胀再腐蚀实现的。
能够排除小型黑洞(黑色区域)。

1.3形态梯度(Morphological Gradient)

膨胀图与腐蚀图之差
能够保留物体的边缘轮廓，如下所示:

1.4顶帽(Top Hat)

原图像与开运算结果图之差

1.5黑帽(Black Hat)

闭运算结果图与原图像之差

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
Mat src, dst;

int morph_elem = 0;
int morph_size = 0;
int morph_operator = 0;
int const max_operator = 4;
int const max_elem = 2;
int const max_kernel_size = 21;

char* window_name = "Morphology Transformations Demo";

/** 回调函数申明 */
void Morphology_Operations(int, void*);

/** @函数 main */
int main(int argc, char** argv)
{/// 装载图像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\7.jpg", IMREAD_UNCHANGED);
if (!src.data){return -1;}
/// 创建显示窗口namedWindow(window_name, CV_WINDOW_AUTOSIZE);
/// 创建选择具体操作的 trackbarcreateTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations);
/// 创建选择内核形状的 trackbarcreateTrackbar("Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,&morph_elem, max_elem,Morphology_Operations);
/// 创建选择内核大小的 trackbarcreateTrackbar("Kernel size:\n 2n +1", window_name,&morph_size, max_kernel_size,Morphology_Operations);
/// 启动使用默认值Morphology_Operations(0, 0);
waitKey(0);return 0;
}

/**
* @函数 Morphology_Operations
*/
void Morphology_Operations(int, void*)
{// 由于 MORPH_X的取值范围是: 2,3,4,5 和 6int operation = morph_operator + 2;
Mat element = getStructuringElement(morph_elem, Size(2 * morph_size + 1, 2 * morph_size + 1), Point(morph_size, morph_size));
/// 运行指定形态学操作morphologyEx(src, dst, operation, element);imshow(window_name, dst);
}

看一下程序的总体流程:

装载图像
创建显示形态学操作的窗口

创建3个trackbar获取用户参数:

第一个trackbar “Operator” 返回用户选择的形态学操作类型 (morph_operator).

createTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat",window_name, &morph_operator, max_operator,Morphology_Operations );

第二个trackbar “Element” 返回 morph_elem, 指定内核形状:

createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,&morph_elem, max_elem,Morphology_Operations );

第三个trackbar “Kernel Size” 返回内核大小(morph_size)

createTrackbar( "Kernel size:\n 2n +1", window_name,&morph_size, max_kernel_size,Morphology_Operations );

每当任一标尺被移动，用户函数 Morphology_Operations 就会被调用，该函数获取trackbar的当前值运行指定操作并更新显示结果图像。
```
 /*** @函数 Morphology_Operations*/
void Morphology_Operations( int, void* )
{// 由于 MORPH_X的取值范围是: 2,3,4,5 和 6int operation = morph_operator + 2;
Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
/// 运行指定形态学操作morphologyEx( src, dst, operation, element );imshow( window_name, dst );}
```
运行形态学操作的核心函数是 morphologyEx 。在本例中，我们使用了4个参数(其余使用默认值):
- src : 原 (输入) 图像
- dst: 输出图像
- operation
  
  : 需要运行的形态学操作。我们有5个选项:
  - ***Opening*: MORPH_OPEN : 2**
  - ***Closing*: MORPH_CLOSE: 3**
  - ***Gradient*: MORPH_GRADIENT: 4**
  - ***Top Hat*: MORPH_TOPHAT: 5**
  - ***Black Hat*: MORPH_BLACKHAT: 6**
你可以看到，它们的取值范围是 <2-6>, 因此我们要将从tracker获取的值增加(+2):
```
int operation = morph_operator + 2;
```
- element: 内核，可以使用函数:get_structuring_element:getStructuringElement <> 自定义。

3 结果

这里是显示窗口的两个截图。第一幅图显示了使用交错内核和 开运算 之后的结果，第二幅图显示了使用椭圆内核和黑帽之后的结果。

椭圆内核和黑帽之后的结果。

OpenCV 【十八】图像平滑处理/腐蚀与膨胀(Eroding and Dilating)/开闭运算，形态梯度，顶帽，黑帽运算相关推荐

C++ OpenCV形态学操作--开闭操作,形态学梯度,顶帽,黑帽
https://my.oschina.net/u/4582134/blog/4582844
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 ...
OpenCV腐蚀和膨胀Eroding and Dilating
OpenCV腐蚀和膨胀Eroding and Dilating 腐蚀和膨胀Eroding and Dilating 目标形态运算膨胀侵蚀代码解释腐蚀功能膨胀功能结果腐蚀和膨胀Erod ...
OpenCV学习笔记（八）：形态学morpholgy(2)：开/闭运算，形态学梯度、顶帽/黑帽morphologyEx()
OpenCV学习笔记(八):形态学morpholgy(2):开.闭运算,形态学梯度.顶帽.黑帽:morphologyEx() 数学形态学(Mathematical morphology) 是一门建立在 ...
形态学滤波：（1）腐蚀与膨胀（2）开运算，闭运算，形态学梯度，顶帽，黑帽...
一.形态学概述图像处理中的形态学一般指的是数学形态学. 数学形态学是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论.其基本运算包括:二值腐蚀和膨胀,二值开闭运算,骨架抽 ...
python+OpenCv笔记（七）：图像的形态学操作（腐蚀与膨胀、开闭运算、礼帽与黑帽）
一.腐蚀与膨胀腐蚀就是原图中高亮的部分被蚕食,效果图拥有比原图更小的高亮区域. 腐蚀的作用是:消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点. 膨胀就是使原图中高亮的部分扩张,效果图拥有比 ...
Open_CV形态学运算专题（腐蚀膨胀、开闭运算、梯度运算、顶帽运算黑帽运算）【Python-Open_CV系列（十）】
Open_CV形态学运算专题之腐蚀&膨胀.开&闭运算.梯度运算.顶帽运算黑帽运算 [Python-Open_CV系列(十)] 文章目录 1. 腐 ...
C# EMGU 3.4.1学习笔记（三）综合示例：形态学滤波（腐蚀/膨胀、开运算/闭运算、顶帽运算/黑帽运算）
以下是<OpenCV3编程入门>中6.4.9的示例程序的C# + EMGU 3.4.1版: 有任何问题或疑问,欢迎交流探讨. using System; using System.Coll ...
OpenCV形态学变换函数morphologyEx()黑帽运算的使用
OPenCV版本:4.4 IDE:VS2017 功能描述简述:执行先进的形态学的变换的黑帽运算. 函数 cv::morphologyEx使用腐蚀和膨胀的作为基本的操作来进行高级的形态学的变换. 任何 ...

OpenCV 【十八】图像平滑处理/腐蚀与膨胀(Eroding and Dilating)/开闭运算，形态梯度，顶帽，黑帽运算