使用 OpenCV 自定义线性滤波器教程

使用 OpenCV 自定义线性滤波器教程

目标

在本教程中，您将学习如何使用 OpenCV 函数创建您自己的线性过滤器，并理解其背后的数学原理。

理论

相关性与卷积

从非常一般的意义上讲，相关性是图像的每个部分与运算符（内核）之间的操作。在图像处理中，我们通常使用卷积或相关运算来提取特征或进行平滑处理。

什么是内核？

内核本质上是一个固定大小的数值系数数组，以及该数组中的锚点。该锚点通常位于中心，决定了计算时相对于当前像素的位置。

与内核的关联是如何工作的？

假设您想知道图像中特定位置的结果值。相关性的值按以下方式计算：

1. 将内核锚点放在确定像素的顶部，内核的其余部分覆盖图像中相应的局部像素。
2. 将核系数乘以相应的图像像素值，然后对结果求和。
3. 将结果放置在输入图像中的定位点位置。
4. 通过扫描整个图像的内核来对所有像素重复该过程。

以方程式的形式表示上述过程，我们将得到： $$H(x, y) = \sum_{i=0}^{M_i - 1} \sum_{j=0}^{M_j-1} I(x+i - a_i, y + j - a_j)K(i,j)$$

幸运的是，OpenCV 为您提供了函数 filter2D，因此您不必编写所有这些底层操作。

程序功能概述

本示例程序将演示以下功能：

1. 加载图像：读取本地图片文件。
2. 执行规范化的框筛选器：例如，对于大小为 $size = 3$ 的内核，内核为全 1 矩阵除以元素个数。
3. 动态调整内核大小：程序将使用大小为 3、5、7、9 和 11 的内核依次执行过滤器操作。
4. 实时显示：过滤器输出将在窗口中每 500 毫秒更新一次。

C++ 代码实现

以下是完整的 C++ 代码示例。请确保您的开发环境已正确配置 OpenCV。

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

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // 声明变量
    Mat src, dst;
    int anchor = -1;
    double delta = 0;
    int ddepth = -1;
    int kernel_size;
    
     * window_name = ;
     * imageName = (argc >= ) ? argv[] : ;

    
    src = (imageName, IMREAD_COLOR);
     (src.())
    {
        ();
        ();
         EXIT_FAILURE;
    }

    
    anchor = ; 
    delta = ;
    ddepth = ; 

    
     ind = ;
     ()
    {
        
        
        kernel_size =  +  * (ind % );
        
        
        Mat kernel = Mat::(kernel_size, kernel_size, CV_32F) / ()(kernel_size * kernel_size);

        
        (src, dst, ddepth, kernel, (anchor, anchor), delta, BORDER_DEFAULT);

        
        (window_name, dst);

        
         c = ();
         (c == ) 
        {
            ;
        }
        ind++;
    }

     EXIT_SUCCESS;
}