33.製作你自己的線性過濾器！-OpenCV從零開始到圖像
本文作者：小嗷
微信公眾號：aoxiaoji
簡書鏈接：https://www.jianshu.com/u/45da1fbce7d0
小嗷再問一次自己，什麼是線性濾波？
首先圖像和核卷積是必須的。
均值的話，卷積以後的總數除以核的大小（如3*3=9，9個數相加後總數/9=所求的像素值）
高斯的話，先進行高斯函數的運算，然後把算出來的核核圖像進行卷積。再加起來。
即： 核與圖像卷積 + 核內數相加（不懂的話，自行看推薦文章。）
圖像、相加、卷積、都是固定不變。自定義線性濾波，只能改變核（核也稱元素結構），呵呵噠
大家可以參考第28篇代碼有自定義核的內容
在本篇中，您將學習:
使用OpenCV函數filter2D()創建自己的線性過濾器。
本文你會找到以下問題的答案:
filter2D()
imgcodecs
char **argv是什麼用法啊？argv[0] 什麼意思啊？
2.1 理論
下面的解釋屬於Bradski和Kaehler的《學習OpenCV》一書(英文書)
2.1.1 相關性
在一般意義上，相關性是圖像的每個部分和操作符(內核)之間的操作。
2.1.2 什麼是內核?
內核本質上是一個固定大小的數值係數數組，以及該數組中通常位於中心的錨點。
(其實小嗷都不想寫，這玩意說的N遍)
2.1.3 與內核的關聯是如何工作的?
假設您希望知道映像（圖像）中某個特定位置的結果值。相關值的計算方法如下:
將內核錨點放在一個確定的像素上，其餘的內核將在圖像中覆蓋相應的本地像素。
將核係數乘以相應的圖像像素值，並對結果進行求和。
將結果放置到輸入圖像中錨點的位置。
通過掃描整個圖像的內核，對所有像素重複這個過程。
不得不說，相比小嗷的介紹，鬼佬的解釋更專業更能裝逼
用方程的形式表示上述過程，我們將得到:
看不懂公式正常，請點擊第24篇自定義中值濾波處理的代碼。
I(XXX)代表就是錨點附近的值,K(i,j)代表核
幸運的是，OpenCV為您提供了函數filter2D()，因此您不必編寫所有這些操作。
2.1.4 這個程序做什麼?
載入一個圖像
執行規範化的框過濾器。例如，對於大小為3的內核，內核為:
該程序將使用3、5、7、9和11大小的內核執行篩選操作。
過濾器輸出(與每個內核一起)將在500毫秒內顯示
3.1 filter2D
將圖像與內核卷積。
該函數對圖像應用任意線性濾波器。就地操作支持。當孔徑位於圖像外部，根據指定的邊框模式插入離群像素值。該函數根據指定的邊界模式插入離群點像素值。
這個函數實際上計算的是相關性，而不是卷積:
也就是說kernel並不是中心點的鏡像，如果需要一個正真的卷積，使用函數flip()並將中心點設置為(kernel.cols - anchor.x - 1, kernel.rows - anchor.y -1).
該函數在大核(11x11或更大)的情況下使用基於DFT的演算法，而在小核情況下使用直接演算法(使用createLinearFilter()檢索得到).
參數詳情：
src:輸入圖像
dst:輸出圖像的大小和數量與src相同。
ddepth:目標圖像深度，如果沒寫將生成與原圖像深度相同的圖像。原圖像和目標圖像支持的圖像深度如下：
當ddepth輸入值為-1時，目標圖像和原圖像深度保持一致。
kernel:卷積核（或者是相關核）,一個單通道浮點型矩陣。如果想在圖像不同的通道使用不同的kernel，可以先使用split()函數將圖像通道事先分開。
anchor：內核的基準點(anchor)，其默認值為(-1,-1)說明位於kernel的中心位置。基準點即kernel中與進行處理的像素點重合的點。
delta：在儲存目標圖像前可選的添加到像素的值，默認值為0
borderType：像素向外逼近的方法，默認值是BORDER_DEFAULT,即對全部邊界進行計算。
3.2 imgcodecs
用於圖片的讀寫。//2.4里沒有這塊(2.49)
OpenCV3開始圖片、視頻編解碼從highgui模塊分離出來,組成了imgcodecs和videoio。Linux環境下需要注意一下，其他沒啥。
3.3 char **argv是什麼用法啊？argv[0] 什麼意思啊？
本篇文章的代碼如下所示。
源圖：
效果圖：（就是均值濾波（不停的擴大核的大小））
解釋一下：
讓我們來看看這個項目的總體結構:
載入一個圖像
初始化參數
循環
執行一個無限循環更新內核大小，並對輸入圖像應用線性過濾器。讓我們更詳細地分析一下:
首先我們定義過濾器將要使用的內核。這裡是:
第一行是將kernel_size更新為範圍內的奇數值:[3,11]。第二行實際上構建了內核。通過設置它的值與1′s矩陣填充和正常化把它除以元素的個數。
設置內核後，我們可以使用函數filter2D()生成過濾器:
我們的程序將會實現一個while循環，每個500 ms的內核大小的過濾器將會在指定的範圍內更新。
在編譯上面的代碼之後，您可以執行它，將圖像的路徑作為參數。結果應該是一個窗口，該窗口顯示被規範化過濾器模糊的圖像。內核大小每0.5秒就會發生變化。
TAG:小嗷的日常 |