OpenCV影象處理篇之影象平滑

影象平滑演算法
程式分析及結果
影象平滑演算法


影象平滑與影象模糊是同一概念，主要用於影象的去噪。平滑要使用濾波器，為不改變影象的相位資訊，

一般使用線性濾波器，其統一形式如下：

其中h稱為濾波器的核函式，說白了就是權值。不同的核函式代表不同的濾波器，有不同的用途。

在影象處理中，常見的濾波器包括：

歸一化濾波器（Homogeneous blur）

也是均值濾波器，用輸出畫素點核視窗內的畫素均值代替輸出點畫素值。

高斯濾波器（Guassian blur）

是實際中最常用的濾波器，高斯濾波是將輸入陣列的每一個畫素點與 高斯核心 卷積將卷積和當作輸出像

素值。高斯核相當於對輸出畫素的鄰域賦予不同的權值，輸出畫素點所在位置的權值最大（對應高斯函式

的均值位置）。二維高斯函式為，

中值濾波器（median blur）

中值濾波將影象的每個畫素用鄰域(以當前畫素為中心的正方形區域)畫素的中值代替。對椒鹽噪聲最有效

的濾波器，去除跳變點非常有效。

雙邊濾波器（Bilatrial blur）

為避免濾波器平滑影象去噪的同時使邊緣也模糊，這種情況下使用雙邊濾波器。關於雙邊濾波器的解釋參

見http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html

下面的程式將先給標準Lena影象新增椒鹽噪聲，分別使用4種不同的濾波器進行平滑操作，請注意觀察不

同濾波器對椒鹽噪聲的去噪效果！

程式分析及結果

/*
 * FileName : image_smoothing.cpp
 * Author   : xiahouzuoxin @163.com
 * Version  : v1.0
 * Date     : Wed 17 Sep 2014 08:30:25 PM CST
 * Brief    : 
 * 
 * Copyright (C) MICL,USTB
 */
#include "cv.h"
#include "imgproc/imgproc.hpp"
#include "highgui/highgui.hpp"


using namespace std;
using namespace cv;

const int MAX_KERNEL_LENGTH = 10;

const char *wn_name = "Smoothing";


static void salt(Mat &I, int n);
static void disp_caption(const char *wn_name, Mat src, const char *caption);
static void disp_image(const char *wn_name, Mat I);

/*
 * @brief   
 * @inputs  
 * @outputs 
 * @retval  
 */
int main(int argc, char *argv[])
{
    if (argc<2) {
        cout<<"Usage: ./image_smoothing [file name]"<<endl;
        return -1;
    }

    Mat I = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
    salt(I, 6000);
    imshow(wn_name, I);
    waitKey(0);

    Mat dst;  // Result

    /* Homogeneous blur */
    disp_caption(wn_name, I, "Homogeneous blur");
    for (int i=1; i<MAX_KERNEL_LENGTH; i+=2) {
        blur(I, dst, Size(i, i), Point(-1,-1));
        disp_image(wn_name, dst);
    }

    /* Guassian blur */
    disp_caption(wn_name, I, "Gaussian blur");
    for (int i=1; i<MAX_KERNEL_LENGTH; i+=2) {
        GaussianBlur(I, dst, Size(i, i), 0, 0);
        disp_image(wn_name, dst);
    }

    /* Median blur */
    disp_caption(wn_name, I, "Median blur");
    for (int i=1; i<MAX_KERNEL_LENGTH; i+=2) {
        medianBlur(I, dst, i);
        disp_image(wn_name, dst);
    }

    /* Bilatrial blur */
    disp_caption(wn_name, I, "Bilatrial blur");
    for (int i=1; i<MAX_KERNEL_LENGTH; i+=2) {
        bilateralFilter(I, dst, i, i*2, i/2);
        disp_image(wn_name, dst);
    }
    waitKey(0);

    return 0;
}

/*
 * @brief   顯示提示文字（濾波方法）
 * @inputs  
 * @outputs 
 * @retval  
 */
static void disp_caption(const char *wn_name, Mat src, const char *caption)
{
    Mat dst = Mat::zeros(src.size(), src.type());

    putText(dst, caption, Point(src.cols/4, src.rows/2), CV_FONT_HERSHEY_COMPLEX, 1, Scalar

(255,255,255));

    imshow(wn_name, dst);
    waitKey(0);
}

/*
 * @brief   顯示影象
 * @inputs  
 * @outputs 
 * @retval  
 */
static void disp_image(const char *wn_name, Mat I)
{
    imshow(wn_name, I);
    waitKey(1000);
}

/*
 * @brief   新增椒鹽噪聲
 * @inputs  
 * @outputs 
 * @retval  
 */
static void salt(Mat &I, int n=3000)
{
    for (int k=0; k<n; k++) {
        int i = rand() % I.cols;
        int j = rand() % I.rows;


        if (I.channels()) {
            I.at<uchar>(j,i) = 255;
        } else {
            I.at<Vec3b>(j,i)[0] = 255;
            I.at<Vec3b>(j,i)[1] = 255;
            I.at<Vec3b>(j,i)[2] = 255;
        }
    }
}
上面程式的邏輯非常清晰：

讀入灰度圖，並新增椒鹽噪聲（6000個噪聲點）：

Mat I = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
salt(I, 6000);
LenaNoise

disp_caption和disp_image函式分別是用於顯示提示文字和平滑過程中的變化影象的，平滑過程中影象的

變化如下圖：

blur

注意觀察上面的圖，中值濾波（Median Blur）對椒鹽噪聲的效果最好！

四種濾波方法分別使用到4個OpenCV函式，這些函式的宣告都在imgproc.hpp中，這些函式的前2個引數都

是原影象和濾波後圖像。

歸一化濾波器blur的第3個引數為濾波核視窗的大小，Size(i,i)表示ixi大小的視窗。

高斯濾波器GaussianBlur第3個引數也是濾波核視窗的大小，第4、第5個引數分辨表示x方向和y方向的δ
。

中值濾波器medianBlur第3個引數是濾波器的長度，該濾波器的視窗為正方形。

雙邊濾波器的函式原型如下：

//! smooths the image using bilateral filter
CV_EXPORTS_W void bilateralFilter( InputArray src, OutputArray dst, int d,
                             double sigmaColor, double sigmaSpace,
                             int borderType=BORDER_DEFAULT );
本程式使用的Makefile檔案為：

 TARG=image_smoothing
 SRC=image_smoothing.cpp
 LIB=-L/usr/local/lib/
 INC=-I/usr/local/include/opencv/ -I/usr/local/include/opencv2
 CFLAGS=

 $(TARG):$(SRC)
     g++ -g -o [email protected] ${CFLAGS} $(LIB) $(INC) \
         -lopencv_core -lopencv_highgui -lopencv_imgproc \
         $^

 .PHONY:clean

 clean:
     -rm $(TARG) tags -f

========

影象代數運算：平均值去噪，減去背景

代數運算，就是對兩幅影象的點之間進行加、減、乘、除的運算。四種運算相應的公式為：

代數運算中比較常用的是影象相加和相減。影象相加常用來求平均值去除addtive噪聲或者實現二次曝光

（double-exposure）。影象相減用於減去背景或週期噪聲，汙染等。

影象相加

OpenCV中提供了相加的函式

void cvAcc(   
           const CvArr* image,//輸入影象  
           CvArr* sum,  //累積影象   
           const CvArr* mask=NULL//可選的運算  
 );  
我們還需要用到一個線性變換轉換函式來對相加的結果求平均

void cvConvertScale(   
        const CvArr* src, //輸入陣列  
        CvArr* dst,//輸出陣列  
        double scale=1,//比例  
        double shift=0 //縮放比例，可選  
);  
#define cvCvtScale cvConvertScale  
#define cvScale  cvConvertScale  
#define cvConvert( src, dst )  cvConvertScale( (src), (dst), 1, 0 )  

實踐：平均值去噪
我們用NASA的一段幸運團的視訊做實驗，擷取視訊的某幾個連續幀求平均值：

int main()  
{  
    CvCapture* capture=cvCaptureFromFile("media.avi");  
    IplImage* frame=  NULL;  
    IplImage * imgsum =NULL;  

    int start=301;  
    int end=304;  
    cvSetCaptureProperty(capture, CV_CAP_PROP_POS_FRAMES, start);  

    int count = start;  
    while( cvGrabFrame(capture) && count <= end )  
    {  
        frame = cvRetrieveFrame(capture);// 獲取當前幀  
        if(imgsum==NULL){  
            imgsum=cvCreateImage(cvGetSize(frame),IPL_DEPTH_32F,3);  
            cvZero(imgsum);  
        }  
        cvAcc(frame,imgsum);  

        char testname[100];  
        sprintf(testname,"%s%d%s","image",count,".jpg");  
        cvShowImage(testname,frame);  
        cvSaveImage(testname,frame);  

        count++;  
    }  
    IplImage * imgavg = cvCreateImage(cvGetSize(frame),IPL_DEPTH_8U,3);  
    cvConvertScale(imgsum,imgavg,1.0/4.0);  

    cvShowImage("imageavg",imgavg);  
    cvSaveImage("imageavg_4.jpg",imgavg);  

    cvWaitKey(0);  
    cvReleaseCapture(&capture);  
    return 0;  
}  
以下從左到右分別是連續兩幀、四幀、八幀、十六幀求均值的結果：



實踐：影象二次曝光
曝光和去噪是一樣的，也是對幾幅影象求平均


//通過求平均二次曝光  
int main()  
{  
    IplImage* image1=  cvLoadImage("psu3.jpg");  
    IplImage* image2=  cvLoadImage("psu4.jpg");  

    IplImage * imgsum =cvCreateImage(cvGetSize(image1),IPL_DEPTH_32F,3);  
    cvZero(imgsum);  
    cvAcc(image1,imgsum);  
    cvAcc(image2,imgsum);  

    IplImage * imgavg = cvCreateImage(cvGetSize(image1),IPL_DEPTH_8U,3);  
    cvConvertScale(imgsum,imgavg,1.0/2.0);  

    cvShowImage("imageavg",imgavg);  
    cvSaveImage("avg.jpg",imgavg);  

    cvWaitKey(0);  
    cvReleaseImage(&image1);  
    cvReleaseImage(&image2);  
    cvReleaseImage(&imgsum);  
    cvReleaseImage(&imgavg);  
    return 0;  
}  
下圖是對同學街舞截圖的“二次曝光”效果：


影象相減

OpenCV中用cvAbsDiff函式計算兩陣列的差的絕對值

void cvAbsDiff(   
        const CvArr* src1,//第一個輸入陣列  
        const CvArr* src2,//第二個輸入陣列  
        CvArr* dst//輸出陣列  
);  

實踐：減去背景
減去背景是通過兩幅影象代數相減，可以判斷出前景區域和運動區域，這是最簡單（很多時候也是效果很
好的）運動檢測方法。

//減去背景  
int main()  
{  
    IplImage* pFrame = NULL;   
    IplImage* pFrImg = NULL;  
    IplImage* pBkImg = NULL;  

    CvMat* pFrameMat = NULL;  
    CvMat* pFrMat = NULL;  
    CvMat* pBkMat = NULL;  

    CvCapture* pCapture = NULL;  

    int nFrmNum = 0;  

    //建立視窗  
    cvNamedWindow("video", 1);  
    cvNamedWindow("background",1);  
    cvNamedWindow("foreground",1);  

    pCapture = cvCaptureFromFile("media.avi");  
    while(pFrame = cvQueryFrame( pCapture ))  
    {  
        nFrmNum++;  

        //如果是第一幀，需要申請記憶體，並初始化  
        if(nFrmNum == 1)  
        {  
            pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);  
            pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);  

            pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
            pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
            pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

            //轉化成單通道影象再處理  
            cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY);  
            cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  

            cvConvert(pFrImg, pFrameMat);  
            cvConvert(pFrImg, pFrMat);  
            cvConvert(pFrImg, pBkMat);  
        }  
        else  
        {  
            cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  
            cvConvert(pFrImg, pFrameMat);  
            //當前幀跟背景圖相減  
            cvAbsDiff(pFrameMat, pBkMat, pFrMat);  
            //二值化前景圖  
            cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);  
            //更新背景  
            cvRunningAvg(pFrameMat, pBkMat, 0.003, 0);  
            //將背景轉化為影象格式，用以顯示  
            cvConvert(pBkMat, pBkImg);  

            cvShowImage("video", pFrame);  
            cvShowImage("background", pBkImg);  
            cvShowImage("foreground", pFrImg);  

            if( cvWaitKey(2) >= 0 )  
                break;  
        }  
    }  
    cvDestroyWindow("video");  
    cvDestroyWindow("background");  
    cvDestroyWindow("foreground");  
    cvReleaseImage(&pFrImg);  
    cvReleaseImage(&pBkImg);  
    cvReleaseMat(&pFrameMat);  
    cvReleaseMat(&pFrMat);  
    cvReleaseMat(&pBkMat);  
    cvReleaseCapture(&pCapture);  
    return 0;  
}  
效果圖：


========

opencv連通域去噪  

相關推薦