快捷導(dǎo)航

C++實(shí)現(xiàn)OpenCV方框?yàn)V波的代碼

更新時(shí)間：2021年10月16日 10:55:34 作者：點(diǎn)云俠

這篇文章主要介紹了C++ OpenCV方框?yàn)V波的實(shí)現(xiàn),方框?yàn)V波是均值濾波的一種形式，今天通過實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下

一、方框?yàn)V波

方框?yàn)V波是均值濾波的一種形式。在均值濾波中,濾波結(jié)果的像素值是任意一個(gè)點(diǎn)的鄰域平均值,等于各鄰域像素值之和的均值,而在方框?yàn)V波中,可以自由選擇是否對均值濾波的結(jié)果進(jìn)行歸一化,即可以自由選擇濾波結(jié)果是鄰域像素值之和的平均值,還是鄰域像素值之和。

二、C++代碼

#include <iostream>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
	//---------------------------用于方框?yàn)V波的圖像--------------------
	Mat img = imread("1.jpg"); 
	if (img.empty())
	{
		cout << "請確認(rèn)圖像文件名稱是否正確" << endl;
		return -1;
	}
	
	//將CV_8U類型轉(zhuǎn)換成CV_32F類型，避免計(jì)算后的數(shù)據(jù)過大
	Mat equalImg_32F;
	img.convertTo(equalImg_32F, CV_32F, 1.0 / 255);
	Mat resultNorm, result, equalImg_32FSqr;
	//--------------------------方框?yàn)V波boxFilter----------------------
	boxFilter(img, resultNorm, -1, Size(3, 3), Point(-1, -1), true);  // 進(jìn)行歸一化，則為均值濾波
	boxFilter(img, result, -1, Size(3, 3), Point(-1, -1), false);     // 不進(jìn)行歸一化
	//----------------------方框?yàn)V波sqrBoxFilter()---------------------
	//對每個(gè)像素?cái)?shù)值的平方求和/求均值
	sqrBoxFilter(equalImg_32F, equalImg_32FSqr, -1, Size(3, 3), Point(-1, -1), true, BORDER_CONSTANT);
	//-------------------------顯示處理結(jié)果----------------------------
	imshow("原始圖像", img);
	imshow("歸一化", resultNorm);
	imshow("不歸一化", result);
	imshow("平方和求均值", equalImg_32FSqr);
	waitKey(0);
	return 0;
}

三、python代碼

import cv2
import matplotlib.pyplot as plt

# 讀取圖片
img = cv2.imread('1.jpg')
# BGR轉(zhuǎn)為RGB，方便plot函數(shù)顯示
source = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 方框?yàn)V波，True表示歸一化，則效果與均值濾波相同。
result = cv2.boxFilter(source, -1, (5, 5), normalize=False)
# sqrBoxFilter實(shí)現(xiàn)對每個(gè)像素值的平方求和
# result1 = cv2.sqrBoxFilter(source, -1, (5, 5), normalize=True)
# 顯示圖形
titles = ['Source Image', 'BoxFilter Image']
images = [source, result]
for i in range(2):
    plt.subplot(1, 2, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()