【OpenCV 基础知识 13】高斯平滑处理图像

函数 cvSmooth 可使用简单模糊、简单无缩放变换的模糊、中值模糊、高斯模糊、双边滤波的任何一种方法平滑图像。每一种方法都有自己的特点以及局限。 没有缩放的图像平滑仅支持单通道图像,并且支持8位到16位的转换(与cvSobel和cvLaplace相似)和32位浮点数到32位浮点数的变换格式。 简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以(in-place)方式处理图像。 中值和双向滤波工作于 1- 或 3-通道, 8-位图像,但是不能以 in-place 方式处理图像。

js 复制代码
program cv_Smooth;

{$APPTYPE CONSOLE}
{$R *.res}

uses
  System.SysUtils,
  ocv.highgui_c,
  ocv.core_c,
  ocv.core.types_c,
  ocv.imgproc_c,
  ocv.imgproc.types_c,
  uResourcePaths;

const
  // 桁 赅痱桧觇
  filename = cResourceMedia + 'cat2.jpg';

var
  image: PIplImage = nil;
  dst: PIplImage = nil;

begin
  try
    // 从文件加载图像并将其分配给变量 `image`
    image := cvLoadImage(filename, 1);

    // 克隆图像,将其分配给变量 `dst`
    dst := cvCloneImage(image);

    // 打印图像文件名
    Writeln('[i] image: ', filename);

    // 如果图像未被成功加载,终止程序
    if not Assigned(image) then
      Halt;

    // 创建并显示名为 'original' 的窗口,用于显示原始图像
    cvNamedWindow('original', CV_WINDOW_AUTOSIZE);

    // 创建并显示名为 'Smooth' 的窗口,用于显示经过平滑处理后的图像
    cvNamedWindow('Smooth', CV_WINDOW_AUTOSIZE);

    // 对原始图像进行高斯平滑处理,结果存储在 `dst` 中
    cvSmooth(image, dst, CV_GAUSSIAN, 3, 3);

    // cvSmooth(image, dst, CV_BLUR_NO_SCALE, 3, 3);

    cvShowImage('original', image);
    cvShowImage('Smooth', dst);

    cvWaitKey(0);

    cvReleaseImage(image);
    cvReleaseImage(dst);

    cvDestroyWindow('original');
    cvDestroyWindow('Smooth');
  except
    on E: Exception do
      Writeln(E.ClassName, ': ', E.Message);
  end;

end.
相关推荐
YHHLAI1 分钟前
造一个“读过《天龙八部》“的 AI 助手 —— advance-rag
人工智能·rag
MobotStone6 分钟前
那些藏在AI应用工具里的「专家」,到底能帮我们干什么?
人工智能
项目題供诗10 分钟前
ai大模型(二)
人工智能
CCblandy14 分钟前
向量检索 ANN 参数实测:换一种数据分布,recall 掉了 51 个百分点
人工智能·python·算法·自然语言处理·性能优化
白雪讲堂21 分钟前
企业如何获得AI长期调用权?《GEO实战:AI时代的增长密码》提出系统经营路径
人工智能·geo·geo从入门到精通
码上观世界24 分钟前
Agent工具调用实现原理
人工智能·智能体
AI视频工具指南28 分钟前
怎么用 AI 做一两分钟的小故事视频?
人工智能·aigc·音视频
深圳市快瞳科技有限公司32 分钟前
面向端侧部署的多帧宠物身份识别:完整性评分机制与工程约束
人工智能·算法·计算机视觉·端侧ai·宠物识别·宠物ai·宠物身份识别
szxinmai主板定制专家35 分钟前
软硬协同!ZYNQ 高速多通道同步采集,变电站 / 工厂设备状态监测方案详解
人工智能·深度学习·机器学习·fpga开发·zynq·rk3576
FL162386312937 分钟前
古建筑缺陷检测数据集VOC+YOLO格式4018张6类别
人工智能·yolo·机器学习