【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
snakeshe101012 小时前
Python零基础核心进阶:四大容器+函数全网超全详解
人工智能
2603_9697345013 小时前
采访录音噪音大怎么修复人声:降噪之后还要检查可听性
人工智能
回眸&啤酒鸭13 小时前
【回眸】SEO 检测师实战应用与价值落地指南
人工智能·seo
能源革命13 小时前
AI 日报(2026-10-09)
人工智能
霍格沃兹测试学院-小舟畅学13 小时前
AI 智能化测试:从测试用例生成到自动执行的工程实践
人工智能·测试用例
feasibility.13 小时前
1.6 亿参数跑出 42 FPS:IMTalker 在实时数字人赛道卡住了什么位置(含实测)
人工智能·aigc·数字人·文生视频·语音克隆·图生视频·imtalker
jeffsonfu13 小时前
迁移学习与微调(Fine-tuning):站在巨人肩膀上的训练
人工智能
牧羊人.33313 小时前
动手学深度学习 07|Resnet网络与迁移学习
网络·人工智能·深度学习·神经网络·算法·cnn·迁移学习
北方的银狐-Zero13 小时前
OntoL 官网上线|数据打通 ≠ 业务打通,为大模型装上「认知底座」
人工智能·本体论
mlidongfeng13 小时前
【学习】 NVIDIA CFT(Compute Fabric Transport)特性分析
人工智能·学习·fabric