文章目录
opencv图像卷积操作原理，opencv中常用的图像滤波函数
一、图像卷积操作原理：
卷积是图像处理中常用的操作之一，它通过在图像上滑动一个滤波器(也称为卷积核)来实现对图像的处理，每个滤波器(卷积核)都是一个小的矩阵，它包含一组权重值；
1、卷积操作原理图：
- 将滤波器(卷积核)与图像的一个小区域相乘；
- 将得到的乘积相加，得到一个新的像素值；
- 通过不断滑动滤波器(卷积核)，对整幅图像进行处理，从而得到一幅经过卷积操作的图像；
计算过程图：
二、opencv常用的图像滤波函数：这些函数的主要作用是对图像进行平滑处理或去除噪声(核心目的是减少图像中的噪声，使图像变得更加平滑)；
1、cv::blur()函数：英文全拼blur
均值滤波器(平均滤波器)，用于图像模糊(平滑)处理的函数，它将图像中的每个像素值替换为其周围像素值的平均值，从而实现图像的模糊效果；
（1）函数原型：
cpp
void cv::blur(
InputArray src,
OutputArray dst,
Size ksize,
Point anchor = Point(-1,-1),
int borderType = BORDER_DEFAULT
);
参数解释：
src：输入图像，可以是单通道或多通道图像(如灰度图或彩色图)；
dst：输出图像；
ksize：卷积核，通常为奇数，用cv::Size(width, height)来指定，通常使用奇数大小的核；
anchor：锚点，默认为卷积核的中心，默认值Point(-1, -1)；
borderType：图像边缘处的像素填充方式(
cv::BORDER_CONSTANT：在图像边缘处的像素，用常数填充，这个常数由cv::Scalar()函数指定，默认为黑色；
cv::BORDER_REPLICATE：在图像边缘处的像素，用最边界的像素值来填充；
cv::BORDER_DEFAULT：根据具体情况选择最合适的边界处理方式，默认值；
)（2）代码示例：
cpp
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取彩色图像
cv::Mat image = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (image.empty()) {
std::cerr << "Error: 无法读取图像文件." << std::endl;
return -1;
}
cv::Mat outputImage;
cv::Size kernelSize(5, 5);
cv::blur(image, outputImage, kernelSize);
cv::imshow("Input Image", image);
cv::imshow("Blurred Image", outputImage);
cv::waitKey(0);
return 0;
}运行结果：
2、cv::boxFilter()函数：
方框滤波器(均值滤波器的一种变体)，方框滤波器与均值滤波器类似，通过计算图像中每个像素周围邻域像素的加权平均值来减少噪声，但相比
cv::blur()，cv::boxFilter()可以指定不同的归一化方式；
（1）函数原型：
cpp
void cv::boxFilter(
cv::InputArray src,
cv::OutputArray dst,
int ddepth,
cv::Size ksize,
cv::Point anchor = cv::Point(-1,-1),
bool normalize = true,
int borderType = cv::BORDER_DEFAULT
);
参数解释：
src：输入图像，可以是单通道或多通道图像(如灰度图或彩色图)；
dst：输出图像，与输入图像具有相同的尺寸和通道数；
ddepth：输出图像的深度，通常使用-1表示与输入相同；
ksize：卷积核，用cv::Size(width, height)来指定，例如(3,3)表示一个3x3的卷积核，通常使用奇数大小的核；
anchor：锚点，默认为卷积核的中心，默认值Point(-1, -1)；
normalize：是否对结果进行归一化，默认为true；
borderType：图像边缘处的像素填充方式(
cv::BORDER_CONSTANT：在图像边缘处的像素，用常数填充，这个常数由cv::Scalar()函数指定，默认为黑色；
cv::BORDER_REPLICATE：在图像边缘处的像素，用最边界的像素值来填充；
cv::BORDER_DEFAULT：根据具体情况选择最合适的边界处理方式，默认值；
)（2）cv.blur() 均值滤波器与cv.boxFilter() 方框滤波器的区别：
cv::blur()和cv::boxFilter()都是用于图像平滑处理的滤波器，它们的核心目的是减少图像中的噪声，使图像变得更加平滑；
核的定义：
- cv::blur() 的核是一个归一化的平均核，也就是说核内所有元素的和为1（这表示在滤波过程中，像素值被取平均值）；
- cv::boxFilter() 的核不一定是归一化的，可以通过 normalize 参数控制是否归一化（这使得方框滤波器可以对像素进行加权平均）；
参数不同：
- cv::blur() 接受一个 cv::Size 参数作为核的大小，通常使用奇数大小的核；
- cv::boxFilter() 接受一个整数参数作为核的大小，可以使用偶数大小的核；
功能略有差异：
- 由于 cv::boxFilter() 可以选择是否归一化，因此它可以用于一些特殊情况下的平滑处理，比如图像锐化；
- cv::blur() 更适合通用的平滑处理；
总结：
总的来说，这两个函数都可以用于图像平滑处理，选择使用哪个取决于你的具体需求以及想要实现的效果，如果你只是需要一个简单的平滑处理，通常使用 cv::blur() 就足够了，如果你需要更多的控制，或者想要尝试一些特殊的滤波效果，可以考虑使用 cv::boxFilter()；
（3）代码示例：
cpp
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取彩色图像
cv::Mat image = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (image.empty()) {
std::cerr << "Error: 无法读取图像文件." << std::endl;
return -1;
}
cv::Mat outputImage;
cv::Size kernelSize(5, 5);
cv::boxFilter(image, outputImage, -1, kernelSize);
cv::imshow("Input Image", image);
cv::imshow("Box Filtered Image", outputImage);
cv::waitKey(0);
return 0;
}运行结果：
3、cv::GuassianBlur()函数：
高斯滤波器，对输入图像中的每个像素施加一个高斯函数作为权重，从而实现平滑处理，通过应用高斯滤波器来减少图像中的噪声；
（1）函数原型：
cpp
void cv::GaussianBlur(
cv::InputArray src,
cv::OutputArray dst,
cv::Size ksize,
double sigmaX,
double sigmaY = 0,
int borderType = cv::BORDER_DEFAULT
);
参数解释：
src：输入图像，可以是单通道或多通道图像(如灰度图或彩色图)；
dst：输出图像，与输入图像具有相同的尺寸和通道数；
ksize：卷积核，用cv::Size(width, height)来指定，例如(3,3)表示一个3x3的卷积核，通常使用奇数大小的核；
sigmaX：X方向的高斯核标准差；
sigmaY：Y方向的高斯核标准差，如果为零则默认与sigmaX相同；
borderType：图像边缘处的像素填充方式(
cv::BORDER_CONSTANT：在图像边缘处的像素，用常数填充，这个常数由cv::Scalar()函数指定，默认为黑色；
cv::BORDER_REPLICATE：在图像边缘处的像素，用最边界的像素值来填充；
cv::BORDER_DEFAULT：根据具体情况选择最合适的边界处理方式，默认值；
)（2）代码示例：
cpp
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取彩色图像
cv::Mat inputImage = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (inputImage.empty()) {
std::cerr << "Error: 无法读取图像文件." << std::endl;
return -1;
}
cv::Mat outputImage;
cv::Size kernelSize(5, 5);
double sigmaX = 1.5;
cv::GaussianBlur(inputImage, outputImage, kernelSize, sigmaX);
cv::imshow("Input Image", inputImage);
cv::imshow("Gaussian Blurred Image", outputImage);
cv::waitKey(0);
return 0;
}运行结果：
4、cv::medianBlur()函数：
中值滤波器，对输入图像进行平滑处理，通过用邻域像素的中值来替代当前像素的值，从而减少图像中的噪声，是一种常用于去除图像中的椒盐噪声(salt-and-pepper noise)的非线性滤波器；
（1）函数原型：
cpp
void cv::medianBlur(
cv::InputArray src, // 输入图像（单通道、三通道等）
cv::OutputArray dst, // 输出图像
int ksize // 滤波核的大小（通常为奇数）
);
参数解释：
src：输入图像，可以是单通道或多通道图像(如灰度图或彩色图)；
dst：输出图像，与输入图像具有相同的尺寸和通道数；
ksize：卷积核，通常为奇数，用cv::Size(width, height)来指定，通常使用奇数大小的核；（2）代码示例：
cpp
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取彩色图像
cv::Mat inputImage = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (inputImage.empty()) {
std::cerr << "Error: 无法读取图像文件." << std::endl;
return -1;
}
cv::Mat outputImage;
int kernelSize = 5; // 选择一个奇数大小的核
cv::medianBlur(inputImage, outputImage, kernelSize);
cv::imshow("Input Image", inputImage);
cv::imshow("Median Blurred Image", outputImage);
cv::waitKey(0);
return 0;
}运行结果：
5、cv::bilateralFilter()函数：
双边滤波器，对输入图像进行平滑处理，保留图像中的边缘信息，同时也可以减少噪声；
（1）函数原型：
cpp
void cv::bilateralFilter(
cv::InputArray src, // 输入图像（单通道、三通道等）
cv::OutputArray dst, // 输出图像
int d, // 控制在颜色空间中滤波器的直径
double sigmaColor, // 控制颜色相似性的标准差
double sigmaSpace, // 控制空间相似性的标准差
int borderType = cv::BORDER_DEFAULT // 边界处理方式，默认为BORDER_DEFAULT
);
参数解释：
src：输入图像，可以是单通道或多通道图像(如灰度图或彩色图)；
dst：输出图像，与输入图像具有相同的尺寸和通道数；
d：控制在颜色空间中滤波器的直径，通常在3-5之间；
sigmaColor：控制颜色相似性的标准差，值越大，颜色差异越大；
sigmaSpace：控制空间相似性的标准差，值越大，范围内像素权重越大；
borderType：图像边缘处的像素填充方式(
cv::BORDER_CONSTANT：在图像边缘处的像素，用常数填充，这个常数由cv::Scalar()函数指定，默认为黑色；
cv::BORDER_REPLICATE：在图像边缘处的像素，用最边界的像素值来填充；
cv::BORDER_DEFAULT：根据具体情况选择最合适的边界处理方式，默认值；
)（2）代码示例：
cpp
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取彩色图像
cv::Mat inputImage = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (inputImage.empty()) {
std::cerr << "Error: 无法读取图像文件." << std::endl;
return -1;
}
cv::Mat outputImage;
int d = 9; // 直径
double sigmaColor = 75; // 颜色相似性标准差
double sigmaSpace = 75; // 空间相似性标准差
cv::bilateralFilter(inputImage, outputImage, d, sigmaColor, sigmaSpace);
cv::imshow("Input Image", inputImage);
cv::imshow("Bilateral Filtered Image", outputImage);
cv::waitKey(0);
return 0;
}运行结果：
6、cv2::filter2D()函数：
对输入图像进行二维卷积操作，通过将一个核应用于图像的每个像素，从而实现特定的图像处理效果，如边缘检测、模糊等；
（1）函数原型：
cpp
void cv::filter2D(
cv::InputArray src,
cv::OutputArray dst,
int ddepth,
cv::InputArray kernel,
cv::Point anchor = cv::Point(-1,-1),
double delta = 0,
int borderType = cv::BORDER_DEFAULT
);
参数解释：
src：输入图像，可以是单通道或多通道图像(如灰度图或彩色图)；
dst：输出图像，与输入图像具有相同的尺寸和通道数；
ddepth：输出图像的深度，通常使用-1表示与输入相同；
kernel：卷积核，用于定义卷积操作的权重矩阵；
anchor：锚点，默认为卷积核的中心，默认值Point(-1, -1)；
delta：可选参数，用于调节卷积结果的偏移值，默认为0；
borderType：图像边缘处的像素填充方式(
cv::BORDER_CONSTANT：在图像边缘处的像素，用常数填充，这个常数由cv::Scalar()函数指定，默认为黑色；
cv::BORDER_REPLICATE：在图像边缘处的像素，用最边界的像素值来填充；
cv::BORDER_DEFAULT：根据具体情况选择最合适的边界处理方式，默认值；
)（2）代码示例：
cpp
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取彩色图像
cv::Mat inputImage = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (inputImage.empty()) {
std::cerr << "Error: 无法读取图像文件." << std::endl;
return -1;
}
cv::Mat kernel = (cv::Mat_<float>(3, 3) <<
0, -1, 0,
-1, 5, -1,
0, -1, 0);
cv::Mat outputImage;
cv::filter2D(inputImage, outputImage, -1, kernel);
cv::imshow("Input Image", inputImage);
cv::imshow("Filtered Image", outputImage);
cv::waitKey(0);
return 0;
}运行结果：
