OpenCV图像滤波(2)均值平滑处理函数blur()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

在OpenCV中,blur()函数用于对图像应用简单的均值模糊(mean blur)。这种模糊效果可以通过将图像中的每个像素替换为其邻域内所有像素的平均值来实现,从而达到平滑图像的目的。这对于去除图像中的噪声非常有用。

blur()函数使用归一化的盒形滤波器(normalized box filter)来平滑图像。这种滤波器对图像中的每个像素应用一个矩形核,大小为:

blur()函数的行为等同于调用boxFilter()函数.

函数原型

cpp 复制代码
void cv::blur	
(	
	InputArray 	src,
	OutputArray 	dst,
	Size 	ksize,
	Point 	anchor = Point(-1,-1),
	int 	borderType = BORDER_DEFAULT 
)		

参数

  • 参数 src:输入图像;它可以有任意数量的通道,这些通道会被独立处理,但是图像的深度应该为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F.
  • 参数 dst :输出图像,其大小和类型与src相同。
  • 参数 ksize:模糊核的大小.
  • 参数 anchor:锚点位置;默认值Point(-1,-1)表示锚点位于核的中心。
  • 参数 borderType: 用于推算图像外部像素的边界模式,详情请参阅BorderTypes。BORDER_WRAP模式不支持。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <iostream>

int main()
{
    // 读取图像
    cv::Mat src = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/fruit_small.jpg");
    if (!src.data)
    {
        std::cerr << "Error: Image cannot be loaded.\n";
        return -1;
    }

    // 设置模糊参数
    cv::Size ksize(15, 15); // 15x15的内核大小
    cv::Mat dst;

    // 应用均值模糊
    cv::blur(src, dst, ksize);

    // 显示原图和处理后的图像
    cv::namedWindow("Original Image", cv::WINDOW_NORMAL);
    cv::imshow("Original Image", src);

    cv::namedWindow("Blurred Image", cv::WINDOW_NORMAL);
    cv::imshow("Blurred Image", dst);

    // 等待用户按键退出
    cv::waitKey(0);

    return 0;
}

运行结果

你可以修改代码中cv::Size ksize(15, 15); 中的内核大小,看看模糊的效果有什么差异,比如改成cv::Size ksize(5, 5);试试看。

相关推荐
fthux2 小时前
RenoPit 能为普通业主做什么?看懂图纸、审查合同,提前发现装修坑
javascript·人工智能·ai·开源·github·chrome扩展·open source·edge扩展·firefox扩展
火山引擎开发者社区5 小时前
火山引擎混合云 veStack 智算平台 Day0 适配 Kimi K3
人工智能
RSABLOCKCHAIN5 小时前
AI Agents in LangGraph-2
人工智能·python
cd_949217216 小时前
哪些AI工具适合生成游戏开发用的3D道具模型?从道具草稿到引擎测试的选择方法
人工智能·3d
FII工业富联科技服务6 小时前
工业设备运维如何Agentic化?拆解Factory Brain的设备运维架构
大数据·运维·人工智能·架构·制造
糖果店的幽灵6 小时前
人已经用 WorkBuddy 找工作拿了面试,你还在一份份手工改简历
人工智能·面试·职场和发展·langgraph
qq29537 小时前
2026 财搭子决策模拟器:多智能体投研架构能力拆解
大数据·人工智能·架构
满怀冰雪8 小时前
12-PaddlePaddle, 飞桨, 分类模型, 训练循环, 损失函数, 优化器, cross_entropy, Adam
人工智能·深度学习·分类·paddlepaddle
冬奇Lab8 小时前
AI 评测系列(08):评测 CI/CD——持续质量门控
人工智能