OpenCV(二十四)：可分离滤波

1.可分离滤波的原理

可分离滤波的原理基于滤波器的可分离性。对于一个二维滤波器，如果它可以表示为水平方向和垂直方向两个一维滤波器的卷积，那么它就是可分离的。也就是说，一个二维滤波器可以通过两次一维卷积来实现，分别在水平和垂直方向进行滤波。

2.可分离滤波函数sepFilter2D()

void cv::sepFilter2D ( InputArray src,

OutputArray dst,

int ddepth,

InputArray kernelX,

InputArray kernelY,

Point anchor = point(-1,-1),

double delta =0 ,

int borderType = BORDER_DEFAULT

)

src:待滤波图像
dst:输出图像，与输入图像src具有相同的尺寸、通道数和数据类型
ddepth: 输出图像的数据类型(深度)。
kernelX:X方向的滤波器
kernelY:Y方向的滤波器
anchor:内核的基准点(锚点)，其默认值为(-1,-1)代表内核基准点位于kernel的中心位置delta: 偏值，在计算结果中加上偏值。
borderType:像素外推法选择标志。

3.示例代码

展示如何使用可分离滤波在图像上应用高斯滤波：

复制代码

//可分离滤波
void  Separable_filtering(Mat image){
    // 定义滤波器大小和标准差
    int ksize = 3;
    double sigma = 1.0;

    // 获取水平方向和垂直方向的高斯滤波器
    cv::Mat kernelX = cv::getGaussianKernel(ksize, sigma);
    cv::Mat kernelY = cv::getGaussianKernel(ksize, sigma);

    // 计算水平方向和垂直方向上的一维滤波器
    cv::Mat kernelXY = kernelX * kernelY.t();

    // 执行可分离滤波
    cv::Mat result;
    cv::sepFilter2D(image, result, -1, kernelX, kernelY);
 
}

在上述示例中，cv::getGaussianKernel()函数用于获取高斯滤波器。ksize参数表示滤波器的大小，sigmaX和sigmaY参数表示X和Y方向上的标准差。

通过将一维滤波器应用于图像的两个方向，并使用cv::sepFilter2D()函数将它们结合起来，我们可以实现高效的可分离滤波操作。