電子發(fā)燒友App
OpenCV于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。最新版本是3.3 ，2017年8月3日發(fā)布。
OpenCV 擁有包括 500 多個C函數(shù)的跨平臺的中、高層 API。它不依賴于其它的外部庫——盡管也可以使用某些外部庫。
OpenCV 為Intel? Integrated Performance Primitives （IPP） 提供了透明接口。 這意味著如果有為特定處理器優(yōu)化的 IPP 庫， OpenCV 將在運行時自動加載這些庫。
?。ㄗⅲ篛penCV 2.0版的代碼已顯著優(yōu)化，無需IPP來提升性能，故2.0版不再提供IPP接口）
二值化是圖像分割的一種方法。在二值化圖象的時候把大于某個臨界灰度值的像素灰度設為灰度極大值，把小于這個值的像素灰度設為灰度極小值，從而實現(xiàn)二值化。
根據(jù)閾值選取的不同，二值化的算法分為固定閾值和自適應閾值。 比較常用的二值化方法則有：雙峰法、P參數(shù)法、迭代法和OTSU法等。
以下是opencv 圖像去噪學習總結(jié)
OpenCV圖像處理篇之圖像平滑
圖像平滑算法
程序分析及結(jié)果
圖像平滑算法
圖像平滑與圖像模糊是同一概念，主要用于圖像的去噪。平滑要使用濾波器，為不改變圖像的相位信息，一般使用線性濾波器，其統(tǒng)一形式如下：
其中h稱為濾波器的核函數(shù)，說白了就是權(quán)值。不同的核函數(shù)代表不同的濾波器，有不同的用途。
在圖像處理中，常見的濾波器包括：
歸一化濾波器（Homogeneous blur）
也是均值濾波器，用輸出像素點核窗口內(nèi)的像素均值代替輸出點像素值。
高斯濾波器（Guassian blur）是實際中最常用的濾波器，高斯濾波是將輸入數(shù)組的每一個像素點與 高斯內(nèi)核 卷積將卷積和當作輸出像素值。高斯核相當于對輸出像素的鄰域賦予不同的權(quán)值，輸出像素點所在位置的權(quán)值最大（對應高斯函數(shù)的均值位置）。二維高斯函數(shù)為，
中值濾波器（median blur）
中值濾波將圖像的每個像素用鄰域（以當前像素為中心的正方形區(qū)域）像素的中值代替。對椒鹽噪聲最有效的濾波器，去除跳變點非常有效。
雙邊濾波器（Bilatrial blur）
為避免濾波器平滑圖像去噪的同時使邊緣也模糊，這種情況下使用雙邊濾波器。
下面的程序?qū)⑾冉o標準Lena圖像添加椒鹽噪聲，分別使用4種不同的濾波器進行平滑操作，請注意觀察不
同濾波器對椒鹽噪聲的去噪效果！
程序分析及結(jié)果
/*
* FileName ： image_smoothing.cpp
* Author ： xiahouzuoxin @163.com
* Version ： v1.0
* Date ： Wed 17 Sep 2014 08:30:25 PM CST
* Brief ：
*
* Copyright （C） MICL，USTB
*/
#include “cv.h”
#include “imgproc/imgproc.hpp”
#include “highgui/highgui.hpp”
using namespace std;
using namespace cv;
const int MAX_KERNEL_LENGTH = 10;
const char *wn_name = “Smoothing”;
static void salt（Mat &I， int n）;
static void disp_caption（const char *wn_name， Mat src， const char *caption）;
static void disp_image（const char *wn_name， Mat I）;
/*
* @brief
* @inputs
* @outputs
* @retval
*/
int main（int argc， char *argv［］）
{
if （argc《2） {
cout《《“Usage： 。/image_smoothing ［file name］”《《endl;
return -1;
}
Mat I = imread（argv［1］， CV_LOAD_IMAGE_GRAYSCALE）;
salt（I， 6000）;
imshow（wn_name， I）;
waitKey（0）;
Mat dst; // Result
/* Homogeneous blur */
disp_caption（wn_name， I， “Homogeneous blur”）;
for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {
blur（I， dst， Size（i， i）， Point（-1，-1））;
disp_image（wn_name， dst）;
}
/* Guassian blur */
disp_caption（wn_name， I， “Gaussian blur”）;
for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {
GaussianBlur（I， dst， Size（i， i）， 0， 0）;
disp_image（wn_name， dst）;
}
/* Median blur */
disp_caption（wn_name， I， “Median blur”）;
for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {
medianBlur（I， dst， i）;
disp_image（wn_name， dst）;
}
/* Bilatrial blur */
disp_caption（wn_name， I， “Bilatrial blur”）;
for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {
bilateralFilter（I， dst， i， i*2， i/2）;
disp_image（wn_name， dst）;
}
waitKey（0）;
return 0;
}
/*
* @brief 顯示提示文字（濾波方法）
* @inputs
* @outputs
* @retval
*/
static void disp_caption（const char *wn_name， Mat src， const char *caption）
{
Mat 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（wn_name， dst）;
waitKey（0）;
}
/*
* @brief 顯示圖像
* @inputs
* @outputs
* @retval
*/
static void disp_image（const char *wn_name， Mat I）
{
imshow（wn_name， I）;
waitKey（1000）;
}
/*
* @brief 添加椒鹽噪聲
* @inputs
* @outputs
* @retval
*/
static void salt（Mat &I， int n=3000）
{
for （int k=0; k《n; k++） {
int i = rand（） % I.cols;
int j = rand（） % I.rows;
if （I.channels（）） {
I.at《uchar》（j，i） = 255;
} else {
I.at《Vec3b》（j，i）［0］ = 255;
I.at《Vec3b》（j，i）［1］ = 255;
I.at《Vec3b》（j，i）［2］ = 255;
}
}
}
上面程序的邏輯非常清晰：
讀入灰度圖，并添加椒鹽噪聲（6000個噪聲點）：
Mat I = imread（argv［1］， CV_LOAD_IMAGE_GRAYSCALE）;
salt（I， 6000）;
LenaNoise
disp_caption和disp_image函數(shù)分別是用于顯示提示文字和平滑過程中的變化圖像的，平滑過程中圖像的
變化如下圖：
blur
注意觀察上面的圖，中值濾波（Median Blur）對椒鹽噪聲的效果最好！
四種濾波方法分別使用到4個OpenCV函數(shù)，這些函數(shù)的聲明都在imgproc.hpp中，這些函數(shù)的前2個參數(shù)都
是原圖像和濾波后圖像。
歸一化濾波器blur的第3個參數(shù)為濾波核窗口的大小，Size（i，i）表示ixi大小的窗口。
高斯濾波器GaussianBlur第3個參數(shù)也是濾波核窗口的大小，第4、第5個參數(shù)分辨表示x方向和y方向的δ。
中值濾波器medianBlur第3個參數(shù)是濾波器的長度，該濾波器的窗口為正方形。
雙邊濾波器的函數(shù)原型如下：
//！ smooths the image using bilateral filter
CV_EXPORTS_W void bilateralFilter（ InputArray src， OutputArray dst， int d，
double sigmaColor， double sigmaSpace，
int borderType=BORDER_DEFAULT ）;
本程序使用的Makefile文件為：
TARG=image_smoothing
SRC=image_smoothing.cpp
LIB=-L/usr/local/lib/
INC=-I/usr/local/include/opencv/ -I/usr/local/include/opencv2
CFLAGS=
$（TARG）：$（SRC）
g++ -g -o $@ ${CFLAGS} $（LIB） $（INC） \
-lopencv_core -lopencv_highgui -lopencv_imgproc \
$^
.PHONY:clean
clean：
-rm $（TARG） tags -f
========
工商網(wǎng)監(jiān)
評論