高斯滤波

To smooth the image, a Gaussian filter kernel is convolved with the image.

高斯滤波的实质就是用高斯核对图片进行卷积操作

算法较为简单，在复杂度运行效率方面还有很多需要改进的

从RGB色转为灰度色算法（转） - carekee - 博客园 (cnblogs.com)

彩图转灰度图


Mat gray(Mat& image) {Mat dst = Mat::zeros(image.size(), CV_8UC1);for (int i = 0; i < image.rows; i++) {for (int j = 0; j < image.cols; j++){dst.at<uchar>(i, j) = 0.114*image.at<Vec3b>(i, j)[0] + 0.587*image.at<Vec3b>(i, j)[1] + 0.299*image.at<Vec3b>(i, j)[2];//将彩色图像的三个通道的值，每个乘以对应的比例，进行相加，opencv B G R}}return dst;
}

填充 padding

padding 的选择，5乘5（padding = 2），3乘3（padding = 1）

如上图，要是右上角的小正方形位于卷积核的中心正方形处，就需要填充一层空的矩形

因此可以推至5乘5的卷积核

我选用的是3*3 的卷积，故填充为1

Mat Padding(Mat& image,int padNum = 1) {Mat dst = Mat::zeros(image.size[0]+2*padNum, image.size[1] + 2*padNum, CV_8UC1);cout << "dst size" << dst.size << endl;for (int i = 0; i < image.rows; i++) {for (int j = 0; j < image.cols; j++){dst.at<uchar>(i + 1, j + 1) = image.at<uchar>(i, j);}}return  dst;}

卷积

同样 3*3 的卷积核在主函数里

Mat  convolution(Mat &image, Mat &kernal) {Mat dst = Mat ::zeros(image.size(),image.type());// padding 填充Mat test = Padding(image);// 6*6 填充一层 变 8*8//cout << "conv test" << endl;for (int i = 0; i < image.rows; i++) {for (int j = 0; j < image.cols; j++){double pixSum = 0;//这个像素就在卷积核的中心处for (int k = 0; k < kernal.rows; k++) {for (int l = 0; l < kernal.cols; l++) {//cout << kernal.at<double>(k, l) << endl;//cout << double(test.at<uchar>(k + i, l + j)) << endl;pixSum += kernal.at<double>(k, l) * double(test.at<uchar>(k + i, l + j));}}dst.at<uchar>(i, j) = uchar(pixSum);}}return dst;}

因为使用的是3X3 的卷积核，所以模糊的不明显

代码

#include<opencv2/opencv.hpp>
#include<iostream>using namespace cv;
using namespace std;Mat gray(Mat& image) {Mat dst = Mat::zeros(image.size(), CV_8UC1);for (int i = 0; i < image.rows; i++) {for (int j = 0; j < image.cols; j++){dst.at<uchar>(i, j) = 0.114*image.at<Vec3b>(i, j)[0] + 0.587*image.at<Vec3b>(i, j)[1] + 0.299*image.at<Vec3b>(i, j)[2];//将彩色图像的三个通道的值，每个乘以对应的比例，进行相加，opencv B G R}}return dst;
}Mat Padding(Mat& image,int padNum = 1) {Mat dst = Mat::zeros(image.size[0]+2*padNum, image.size[1] + 2*padNum, CV_8UC1);cout << "dst size" << dst.size << endl;for (int i = 0; i < image.rows; i++) {for (int j = 0; j < image.cols; j++){dst.at<uchar>(i + 1, j + 1) = image.at<uchar>(i, j);}}return  dst;}Mat  convolution(Mat &image, Mat &kernal) {Mat dst = Mat ::zeros(image.size(),image.type());// padding 填充Mat test = Padding(image);// 6*6 填充一层 变 8*8//cout << "conv test" << endl;for (int i = 0; i < image.rows; i++) {for (int j = 0; j < image.cols; j++){double pixSum = 0;//这个像素就在卷积核的中心处for (int k = 0; k < kernal.rows; k++) {for (int l = 0; l < kernal.cols; l++) {//cout << kernal.at<double>(k, l) << endl;//cout << double(test.at<uchar>(k + i, l + j)) << endl;pixSum += kernal.at<double>(k, l) * double(test.at<uchar>(k + i, l + j));}}dst.at<uchar>(i, j) = uchar(pixSum);}}return dst;}/*
Mat GaussianBlur(Mat& image){//实质就是用高斯核实现一个卷积操作}
*/int main(int argc, char* argv[])
{//load picsstring imgPath = "E:\\研究生\\数字图像处理\\c++\\字符识别\\Project1\\beauty.jpg";Mat srcImg = imread(imgPath);//RGB,JPG,PNG,TIFF格式if (srcImg.empty()) {cout << "can't load pic" << endl;exit(-1);}//show pics//imshow("air plane",srcImg);//转灰度化Mat image_gray = gray(srcImg);imshow("gray img", image_gray);//3*3 的卷积核 ， padding = 1Mat kernal = (Mat_<double>(3, 3) << 1, 2, 1,2, 4, 2,1,2, 1);kernal = kernal / 16;//卷积实现高斯滤波Mat imgconv = convolution(image_gray, kernal);imshow("img conv", imgconv);waitKey(0);//wait functionreturn 0;
}

与opencv对比

模糊效果好像差不多

int main(int argc, char* argv[])
{//load picsstring imgPath = "E:\\研究生\\数字图像处理\\c++\\字符识别\\Project1\\beauty.jpg";Mat srcImg = imread(imgPath,0);//RGB,JPG,PNG,TIFF格式if (srcImg.empty()) {cout << "can't load pic" << endl;exit(-1);}//show picsimshow("src",srcImg);Mat  dst;GaussianBlur(srcImg,dst,Size(3,3),0,0);imshow("opencv gsblur", dst);waitKey(0);//wait functionreturn 0;
}

高斯滤波 c++实现相关推荐

《OpenCV3编程入门》学习笔记6 图像处理（一）线性滤波：方框滤波、均值滤波、高斯滤波
第6章图像处理 6.1 线性滤波:方框滤波.均值滤波.高斯滤波 6.1.1 图像滤波与滤波器 1.图像滤波:在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制目的: (1)抽出对象的特征作为图 ...
Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
作者 | 杨秀璋,责编 | 夕颜题图 | 视觉中国出品 | CSDN博客本篇文章主要讲解Python调用OpenCV实现图像平滑,包括四个算法:均值滤波.方框滤波.高斯滤波和中值滤波.全文均是 ...
【OpenCV 4开发详解】高斯滤波
本文首发于"小白学视觉"微信公众号,欢迎关注公众号本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
python 双边滤波与高斯滤波
双边滤波速度不是特别快 python 双边滤波与高斯滤波高斯滤波就是对整幅图像进行加权平均的过程.每个像素点的值,都由其本身和邻域内的其它像素值经过加权平均后得到.高斯滤波的详细操作是:用一个模板( ...
图像平滑处理（归一化块滤波、高斯滤波、中值滤波、双边滤波）
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 高斯滤波
高斯噪声:噪声的概率密度分布是正态分布高斯噪声用途:去除高斯噪声如果原图是彩色图片,可以对RGB三个通道分别做高斯平滑. cv2.GaussianBlur(src,ksize,sigmaX,sig ...
【图像处理】【计算机视觉】线性邻域滤波专场：方框滤波、均值滤波与高斯滤波...
首先注意点:关于OpenCV中的函数,有老的数据结构,还有新的opencv2的数据结构,一般地区别就是IplImage*与Mat的区别,两者大致分别对应着C和C++内的两个功能一样,但是函数名称有别. ...
python数据处理高斯滤波_十大点云数据处理技术梳理
研究点云数据时,感觉无从下手? 看看这十大点云数据处理技术,换个思路学点云. 点云 · 定义简言之,在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为"点云".包 ...
python彩色图像如何进行高斯滤波ValueError: correlate2d inputs must both be 2-D arrays解决方法
文章目录遇到的问题解决方法参考遇到的问题在执行高斯滤波的代码时,遇到下列问题 ValueError: correlate2d inputs must both be 2-D arrays 进 ...
灰度图像--图像增强平滑之均值滤波、高斯滤波
灰度图像--图像增强平滑之均值滤波.高斯滤波目录(?)[+] 开篇废话均值滤波数学效果代码高斯滤波数学效果代码总结学习DIP第30天转载请标明本文出处: ...

高斯滤波 c++实现

高斯滤波

彩图转灰度图

填充 padding

卷积

代码

与opencv对比

高斯滤波 c++实现相关推荐

最新文章

热门文章