滤波
第（二）篇中的模糊操作都是可以进行滤波的，但是全局模糊容易损失图像的边缘信息，因此在需要保留边缘的情况就需要边缘保留滤波，以下记录学习了几个常用的边缘保留滤波的方法。
高斯双边滤波
在边缘像素只取一般进行高斯滤波，减小对边缘梯度的影响。
opencv4提供的API：
void cv::bilateralFilter(InputArray src,OutputArray dst,int d,double sigmaColor,double sigmaSpace,int borderType = BORDER_DEFAULT)参数d是滤波操作时像素领域的直径，可理解为卷积核大小，当d<=0时，自动由sigmaspace计算得到；sigmacolor是颜色空间的高斯公式中的sigma（标准差），可理解为像素深度的高斯滤波；sigmaspace空间滤波的“标准差”，数值越大核越大。
非局部均值滤波
这种方法是在求均值时加入权重，相似的像素领域权重大，不相似的权重小。比较废时。
如下图取L*L的搜索窗（避免全图搜索导致计算时间长），将要处理的两个像素的邻域（图为3*3）中的所有像素对比计算，带入权重公式中（w是权重），求得权重。再对i像素进行均值滤波。
opencv有两个API分别是处理彩色三通道的和灰度单通道的：
void cv::fastNlMeansDenoisingColored(InputArray src,OutputArray dst,float h = 3,float hColor = 3,int templateWindowSize = 7,int searchWindowSize = 21) 这处理彩色图的，h对应权重公式的h；hcolor是颜色中计算权重的h；templatewindowsize是模板补丁，即为上图3*3的小邻域；search_window是上图的L；
void cv::cuda::fastNlMeansDenoising(InputArray src,OutputArray dst,float h,int search_window = 21,int block_size = 7)这处理灰度图的，h对应权重公式的h一般取3；search_window是上图的L；block_size是模板补丁，即为上图3*3的小邻域。
Canny边缘提取
Canny边缘提取步骤：
1.高斯滤波去噪
2.使用sobel或scharr、robert算子计算梯度。并求其梯度幅值和角度。
幅值：
或
角度：
3.非最大抑制
在其梯度方向上，非最大值置0，如图中黄线为梯度方向（θ=180°），（i，j）不为最大会被置0。这样可以去掉不必要像素，进行“瘦”边。
4.滞后阈值法连接边缘
取两个阈值t2=（2~3）t1，当该像素的值大于t2保留，小于t1置零，在t1-t2间若其邻域内有大于t1的像素则保留，否则置零。
其API：
void cv::Canny(InputArray image,OutputArray edges,double threshold1,double threshold2,int apertureSize = 3,bool L2gradient = false)参数threshold1和threshold2对应t1和t2；sobel算子的大小，默认3即可；L2gradient使用L2梯度的使能参数。
二值化
其实经过canny边缘提取后的图像为二值图像，即像素只有两个大小，255或0。
二值化分隔
二值化的图像需要有阈值，根据阈值常有5中分隔方法
蓝线是阈值。在opencv4中对应的枚举依次为：1. THRESH_BINARY 2. THRESH_BINARY_INV 3. THRESH_TRUNC 4. THRESH_TOZERO 5. THRESH_TOZERO_INV
阈值选取
全局阈值：
求取整张图的像素均值作为阈值
void mean_th(Mat src, Mat dst)
{
Scalar m = mean(src);
threshold(src, dst, m[0], 255, THRESH_BINARY);
}OTSU，利用直方图计算不同阈值时的前景像素比重Wf，均值uf，方差sigmaf。背景像素同理（下标为b），再计算类内方差（下面公式）。最后选取类内方差最小时为阈值。
threshold(src, dst, 0, 255, THRESH_BINARY | THRESH_OTSU);三角法：
图为直方图，当h最大时，h线对应的像素值为阈值。该法一般用于x光片处理等。
threshold(src, dst, 0, 255, THRESH_BINARY | THRESH_TRIANGLE);自适应：
void cv::adaptiveThreshold(InputArray src,OutputArray dst,double maxValue,int adaptiveMethod,int thresholdType,int blockSize,double C ) maxvalue为二值化最大值，一般255；adaptivemethod为计算阈值方法，有均值法ADAPTIVE_THRESH_MEAN_C在blocksize大小的区域中求均值作为该像素的二值化的阈值，高斯法ADAPTIVE_THRESH_GAUSSIAN_C用高斯卷积核进行加权求均值获得阈值；thresholdtype是分隔方式，只能用前2种方法。C为求得均值后要加的常数。
连通域扫描
在二值图像中通过连通域扫描给连通的区域标上一样的标记，区分图像中各个“块”。
连通域扫描时以一个模板进行扫描，并利用决策表进行标号，最终取得各个块的区别标号。
决策表
模板 
有些时候为了提高速度会以像素块的形式进行扫描，因此会另有决策表。
int cv::connectedComponentsWithStats(InputArray image,OutputArray labels,OutputArray stats,OutputArray centroids,int connectivity,int ltype,int ccltype)以上是opencv4提供的api。stats参数是连通域的统计信息。centroids为质心坐标。connectivity可选4路和8路。ltype是输出labels的类型。该函数返回的是连通域的个数。
轮廓
在二值图像中可以在0-1像素边缘处找到轮廓。
void cv::findContours(InputArray image,OutputArrayOfArrays contours,OutputArray hierarchy,int mode,int method,Point offset = Point())该api可以获取轮廓信息在contours中再调用drawContours()便可将轮廓绘制出来。
霍夫检测
霍夫直线检测原理大致为：在xy坐标系中一条直线y=kx+q，转换到k-q坐标系时只有一个点。即x-y坐标系中的一条线可由k-q坐标系中的一个点表示。同理k-q坐标系中的一条线代表x-y坐标系中的一个点。在二值图像中前景像素转换到k-q坐标系，会有多条直线，他们多数的交点即为x-y坐标系的直线，也是大多数像素共同在的一条直线，这样图像的直线就被检测出来了。
但是使用k-q坐标系存在一个问题，当直线为垂直线时k为无穷，此时无法计算。因此采用极坐标替代k-q坐标系进行工作。
opencv对于霍夫直线检测也有提供api：
void cv::HoughLines(inputArray image,OutputArray lines,double rho,double theta,int threshold,double srn = 0,double stn = 0,double min_theta = 0,double max_theta = CV_PI)霍夫圆检测原理相似，也是将圆上的点转换到极坐标系，然后统计交点获得原图上的圆。原图的圆边使用边缘检测得到，即梯度大的像素点。
其api为：
void cv::HoughCircles(InputArray image,OutputArray circles,int method,double dp,double minDist,double param1 = 100,double param2 = 100,int minRadius = 0,int maxRadius = 0)膨胀腐蚀
膨胀与腐蚀用在二值图像中，膨胀是将前景像素进行膨胀，即选取一个窗口如3*3，当窗口中有像素值为255时，则改窗口所有像素都改为255，然后窗口进行逐一像素滑动。同理，腐蚀是在窗口中存在为0的像素时，窗口内所有像素修改为0.
在opencv中提供api：
膨胀
void cv::dilate(InputArray src,OutputArray dst,InputArray kernel,Point anchor = Point(-1,-1),int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar & borderValue = morphologyDefaultBorderValue())腐蚀
void cv::erode(InputArray src,OutputArray dst,InputArray kernel,Point anchor = Point(-1,-1),int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar & borderValue = morphologyDefaultBorderValue())其中它们的“窗口”也就是kernel参数可以使用以下api进行设定：
Mat cv::getStructuringElement(int shape,Size ksize,Point anchor = Point(-1,-1))参考链接：https://docs.opencv.org/
评论（0）
您还未登录，请登录后发表或查看评论