【c++|opencv】二、灰度变换和空间滤波---4.高斯滤波

这篇具有很好参考价值的文章主要介绍了【c++|opencv】二、灰度变换和空间滤波---4.高斯滤波。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

every blog every motto: You can do more than you think.
https://blog.csdn.net/weixin_39190382?type=blog

0. 前言

1. 高斯滤波

#include <iostream>
#include <opencv2/opencv.hpp>
#include"Salt.h"

using namespace std;
using namespace cv;

// 定义高斯滤波函数
void myfilter(int filter_size,Mat& img_input,Mat& img_output);


int main(){
    Mat img,img_gray,img_out,img_out2;
    img = imread("/home/v/home.png");
    if (img.empty()){
        cout<<"can't open the image"<<endl;
        return -1;
    }
    imshow("img",img);
    cvtColor(img,img_gray,COLOR_BGR2GRAY);
    Salt(img_gray,1000);
    imshow("img_gray",img_gray);

    // Opencv 自带的滤波
    int a= 7;
    GaussianBlur(img_gray,img_out,Size(a,a),2,2);
    imshow("GaussianBlur",img_out);

    // 自定义高斯滤波
    myfilter(a,img_gray,img_out2);
    imshow("myfilter",img_out2);
    waitKey(0);
    return 0;
}

void myfilter(int filter_size,Mat& img_input,Mat& img_output){

    img_output = img_input.clone();
    int k = (filter_size-1)/2;

    for (int i = k; i < img_input.rows-k; i++){
        for (int j = k; j < img_input.cols-k; j++){
            double sum = 0.0;
            double sum1 = 0.0;
            double sigma = 7;
            double g;

            for (int m = -k; m <= k; m++){
                for (int n = -k; n <= k; n++){
                    g = exp(-(m*m+n*n)/(2*sigma*sigma));
                    sum += g*img_input.at<uchar>(i+m,j+n);
                    sum1 += g;
                }
            }
            img_output.at<uchar>(i,j) = (int)(sum/sum1);
        }
   }


}

【c++|opencv】二、灰度变换和空间滤波---4.高斯滤波,c++|opencv,c++,opencv,开发语言文章来源地址https://www.toymoban.com/news/detail-737672.html

到了这里,关于【c++|opencv】二、灰度变换和空间滤波---4.高斯滤波的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 第三章 灰度变换与空间滤波

    3.1背景知识 ​ 空间域指图像平面本身。变换域的图像处理首先把一幅图像变换到变换域,在变换域中进行处理,然后通过反变换把处理结果返回到空间域。空间域处理主要分为灰度变换与空间滤波。 3.1.1 灰度变换和空间滤波基础 ​ g(x,y) = T[f(x,y)] ​ 其中f(x,y)是输入图像,

    2024年02月03日
    浏览(39)
  • 《数字图像处理-OpenCV/Python》连载:空间滤波之高斯滤波器

    本书京东 优惠购书链接 https://item.jd.com/14098452.html 本书CSDN 独家连载专栏 https://blog.csdn.net/youcans/category_12418787.html 图像滤波是指在尽可能保留图像细节特征的条件下对目标图像的噪声进行抑制,是常用的图像处理方法。 空间滤波也称空间域滤波,滤波器规定了邻域形状与邻域

    2024年02月02日
    浏览(55)
  • 二、FPGA实时图像处理(灰度转换、高斯滤波、二值化和边缘检测)

    基于图像实时采集系统实现图像处理 算法:采用精度为7的心理学公式:Gray = R 0.299 + G 0.587 + B 0.114, Gray = R 38 + G 75 + B 15 7 采用sobel算子进行边缘检测。 可以通过参数定义修改二值化和边缘检测阈值,以及控制是否进行图像处理和图像处理类型选择。 高斯滤波效果不明显不做演

    2024年02月11日
    浏览(48)
  • Opencv C++ 六、灰度变换:线性变换、灰度反转、对数变换、伽马变换、(自适应)直方图均衡化

    通过变换函数T将原图像像素灰度值r映射为灰度值s: s=T(r). 线性变换(亮度和对比度调整) : 原理:线性变换是一种简单的亮度和对比度调整方法,通过对每个像素的灰度级别应用线性变换公式来实现。对每个像素应用公式 output_pixel = input_pixel * alpha + beta ,其中 alpha 控制对

    2024年02月04日
    浏览(50)
  • 【数字图像处理】灰度图像中添加高斯噪声、椒盐噪声、斑点噪声以及利用不同方法(中值、排序、维纳滤波)去除各种噪声的matlab程序

    图像处理问题描述: 1、图像中分别加入不同方差的高斯噪声、不同噪声密度椒盐噪声和不同方差的斑点噪声(Gaussian noise, salt  pepper noise and speckle noise) 2、分别通过函数medfilt2、ordfilt2和 Wiener 2 去除图像中添加的一些噪声(Gaussian noise, salt  pepper noise and speckle noise)。 各部

    2024年02月07日
    浏览(53)
  • OpenCV图像模糊:高斯滤波、双边滤波

    1.高斯滤波原理 图像处理中,高斯滤波主要可以使用两种方法实现。一种是离散化窗口滑窗卷积,另一种方法是通过傅里叶变化。离散化窗口划船卷积时主要利用的是高斯核, 高斯核的大小为奇数 ,因为高斯卷积会在其覆盖区域的中心输出结果。常用的高斯模板有如下几种

    2024年02月07日
    浏览(44)
  • Opencv-图像噪声(均值滤波、高斯滤波、中值滤波)

    图像噪声是图像处理中常见的问题,它是由于各种原因引入的不希望的随机变化或干扰,导致图像质量下降。噪声可以出现在图像的亮度、颜色和纹理等方面,对图像分析、计算机视觉和图像处理任务造成困难。为了减少或消除图像中的噪声,常常使用不同类型的滤波技术。

    2024年02月04日
    浏览(60)
  • opencv011 滤波器03 高斯滤波

    今天来学习一下高斯滤波!高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。  高斯函数是符合高斯

    2024年01月24日
    浏览(39)
  • OpenCV(二十二):均值滤波、方框滤波和高斯滤波

    目录 1.均值滤波 2.方框滤波 3.高斯滤波 1.均值滤波        OpenCV中的均值滤波(Mean Filter)是一种简单的滤波技术,用于平滑图像并减少噪声。它的原理非常简单:对于每个像素,将其与其周围邻域内像素的平均值作为新的像素值。 具体的均值滤波原理如下: 定义滤波器大小

    2024年02月09日
    浏览(35)
  • Python Opencv实践 - 图像高斯滤波(高斯模糊)

         

    2024年02月12日
    浏览(54)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包