OpenCV 【十九】图像金字塔/基本的阈值操作/实现自己的线性滤波器
目錄
1.part one 圖像金字塔
1.1原理
1.1.1圖像金字塔
1.1.2高斯金字塔
1.2代碼
1.3運行結(jié)果
2.part two 基本的閾值操作?
2.1原理
2.1.1閾值化的類型：
2.1.2閾值類型1：二進制閾值化
2.1.3閾值類型2：反二進制閾值化
2.1.4閾值類型3：截斷閾值化
2.1.5閾值類型4：閾值化為0
2.1.6閾值類型5：反閾值化為0
2.2代碼
2.3運行結(jié)果
3.part three 實現(xiàn)自己的線性濾波器
3.1原理
3.1.1卷積
3.1.2核是什么？
3.1.3如何用核實現(xiàn)卷積？
3.2代碼
3.3運行結(jié)果
?
1.part one 圖像金字塔
1.1原理
-
當我們需要將圖像轉(zhuǎn)換到另一個尺寸的時候， 有兩種可能：
-
放大 圖像 或者
-
縮小 圖像。
-
-
盡管OpenCV 幾何變換 部分提供了一個真正意義上的圖像縮放函數(shù)(resize, 在以后的教程中會學到),不過在本篇我們首先學習一下使用 圖像金字塔 來做圖像縮放, 圖像金字塔是視覺運用中廣泛采用的一項技術(shù)。
1.1.1圖像金字塔
-
一個圖像金字塔是一系列圖像的集合 - 所有圖像來源于同一張原始圖像 - 通過梯次向下采樣獲得，直到達到某個終止條件才停止采樣。
-
有兩種類型的圖像金字塔常常出現(xiàn)在文獻和應用中:
-
高斯金字塔(Gaussian pyramid): 用來向下采樣
-
拉普拉斯金字塔(Laplacian pyramid): 用來從金字塔低層圖像重建上層未采樣圖像
-
1.1.2高斯金字塔
-
想想金字塔為一層一層的圖像，層級越高，圖像越小。
?
-
每一層都按從下到上的次序編號， 層級 (表示為 尺寸小于層級 ())。
-
為了獲取層級為 的金字塔圖像，我們采用如下方法:
-
將 與高斯內(nèi)核卷積:
-
將所有偶數(shù)行和列去除。
-
-
顯而易見，結(jié)果圖像只有原圖的四分之一。通過對輸入圖像 (原始圖像) 不停迭代以上步驟就會得到整個金字塔。
-
以上過程描述了對圖像的向下采樣，如果將圖像變大呢?:
-
首先，將圖像在每個方向擴大為原來的兩倍，新增的行和列以0填充()
-
使用先前同樣的內(nèi)核(乘以4)與放大后的圖像卷積，獲得 “新增像素” 的近似值。
-
-
這兩個步驟(向下和向上采樣) 分別通過OpenCV函數(shù) pyrUp 和 pyrDown 實現(xiàn), 我們將會在下面的示例中演示如何使用這兩個函數(shù)。
?
1.2代碼
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <math.h>
#include <stdlib.h>
#include <stdio.h>
?
using namespace cv;
?
/// 全局變量
Mat src, dst, tmp;
char* window_name = "Pyramids Demo";
?
?
/*** @函數(shù) main*/
int main( int argc, char** argv )
{/// 指示說明printf( "\n Zoom In-Out demo \n " );printf( "------------------ \n" );printf( " * [u] -> Zoom in \n" );printf( " * [d] -> Zoom out \n" );printf( " * [ESC] -> Close program \n \n" );
?/// 測試圖像 - 尺寸必須能被 2^{n} 整除src = imread( "../images/chicky_512.jpg" );if( !src.data ){ printf(" No data! -- Exiting the program \n");return -1; }
?tmp = src;dst = tmp;
?/// 創(chuàng)建顯示窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE );imshow( window_name, dst );
?/// 循環(huán)while( true ){int c;c = waitKey(10);
?if( (char)c == 27 ){ break; }if( (char)c == 'u' ){ pyrUp( tmp, dst, Size( tmp.cols*2, tmp.rows*2 ) );printf( "** Zoom In: Image x 2 \n" );}else if( (char)c == 'd' ){ pyrDown( tmp, dst, Size( tmp.cols/2, tmp.rows/2 ) );printf( "** Zoom Out: Image / 2 \n" );}
?imshow( window_name, dst );tmp = dst;}return 0;
}
?
1.3運行結(jié)果
?
?
2.part two 基本的閾值操作?
2.1原理
-
最簡單的圖像分割的方法。
-
應用舉例：從一副圖像中利用閾值分割出我們需要的物體部分（當然這里的物體可以是一部分或者整體）。這樣的圖像分割方法是基于圖像中物體與背景之間的灰度差異，而且此分割屬于像素級的分割。
-
為了從一副圖像中提取出我們需要的部分，應該用圖像中的每一個像素點的灰度值與選取的閾值進行比較，并作出相應的判斷。（注意：閾值的選取依賴于具體的問題。即：物體在不同的圖像中有可能會有不同的灰度值。
-
一旦找到了需要分割的物體的像素點，我們可以對這些像素點設(shè)定一些特定的值來表示。（例如：可以將該物體的像素點的灰度值設(shè)定為：‘0’（黑色）,其他的像素點的灰度值為：‘255’（白色）；當然像素點的灰度值可以任意，但最好設(shè)定的兩種顏色對比度較強，方便觀察結(jié)果）。
2.1.1閾值化的類型：
-
OpenCV中提供了閾值（threshold）函數(shù)： threshold 。
-
這個函數(shù)有5種閾值化類型，在接下來的章節(jié)中將會具體介紹。
-
為了解釋閾值分割的過程，我們來看一個簡單有關(guān)像素灰度的圖片，該圖如下。該圖中的藍色水平線代表著具體的一個閾值。
2.1.2閾值類型1：二進制閾值化
-
該閾值化類型如下式所示:
-
解釋：在運用該閾值類型的時候，先要選定一個特定的閾值量，比如：125，這樣，新的閾值產(chǎn)生規(guī)則可以解釋為大于125的像素點的灰度值設(shè)定為最大值(如8位灰度值最大為255)，灰度值小于125的像素點的灰度值設(shè)定為0。
-
?
2.1.3閾值類型2：反二進制閾值化
-
該閾值類型如下式所示：
-
解釋：該閾值化與二進制閾值化相似，先選定一個特定的灰度值作為閾值，不過最后的設(shè)定值相反。（在8位灰度圖中，例如大于閾值的設(shè)定為0，而小于該閾值的設(shè)定為255）。
2.1.4閾值類型3：截斷閾值化
-
該閾值化類型如下式所示：
-
解釋：同樣首先需要選定一個閾值，圖像中大于該閾值的像素點被設(shè)定為該閾值，小于該閾值的保持不變。（例如：閾值選取為125，那小于125的閾值不改變，大于125的灰度值（230）的像素點就設(shè)定為該閾值）。
2.1.5閾值類型4：閾值化為0
-
該閾值類型如下式所示：
-
解釋：先選定一個閾值，然后對圖像做如下處理：1 像素點的灰度值大于該閾值的不進行任何改變；2 像素點的灰度值小于該閾值的，其灰度值全部變?yōu)?。
2.1.6閾值類型5：反閾值化為0
-
該閾值類型如下式所示：
-
解釋：原理類似于0閾值，但是在對圖像做處理的時候相反，即：像素點的灰度值小于該閾值的不進行任何改變，而大于該閾值的部分，其灰度值全部變?yōu)?。
-
2.2代碼
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
?
using namespace cv;
?
/// 全局變量定義及賦值
?
int threshold_value = 0;
int threshold_type = 3;;
int const max_value = 255;
int const max_type = 4;
int const max_BINARY_value = 255;
?
Mat src, src_gray, dst;
char* window_name = "Threshold Demo";
?
char* trackbar_type = "Type: \n 0: Binary \n 1: Binary Inverted \n 2: Truncate \n 3: To Zero \n 4: To Zero Inverted";
char* trackbar_value = "Value";
?
/// 自定義函數(shù)聲明
void Threshold_Demo( int, void* );
?
/*** @主函數(shù)*/
int main( int argc, char** argv )
{/// 讀取一副圖片，不改變圖片本身的顏色類型（該讀取方式為DOS運行模式）src = imread( argv[1], 1 );
?/// 將圖片轉(zhuǎn)換成灰度圖片cvtColor( src, src_gray, CV_RGB2GRAY );
?/// 創(chuàng)建一個窗口顯示圖片namedWindow( window_name, CV_WINDOW_AUTOSIZE );
?/// 創(chuàng)建滑動條來控制閾值createTrackbar( trackbar_type,window_name, &threshold_type,max_type, Threshold_Demo );
?createTrackbar( trackbar_value,window_name, &threshold_value,max_value, Threshold_Demo );
?/// 初始化自定義的閾值函數(shù)Threshold_Demo( 0, 0 );
?/// 等待用戶按鍵。如果是ESC健則退出等待過程。while(true){int c;c = waitKey( 20 );if( (char)c == 27 ){ break; }}
?
}
?
?
/*** @自定義的閾值函數(shù)*/
void Threshold_Demo( int, void* )
{/* 0: 二進制閾值1: 反二進制閾值2: 截斷閾值3: 0閾值4: 反0閾值*/
?threshold( src_gray, dst, threshold_value, max_BINARY_value,threshold_type );
?imshow( window_name, dst );
}
?
2.3運行結(jié)果
3.part three 實現(xiàn)自己的線性濾波器
3.1原理
3.1.1卷積
高度概括地說，卷積是在每一個圖像塊與某個算子（核）之間進行的運算。
3.1.2核是什么？
核說白了就是一個固定大小的數(shù)值數(shù)組。該數(shù)組帶有一個 錨點 ，一般位于數(shù)組中央。
3.1.3如何用核實現(xiàn)卷積？
假如你想得到圖像的某個特定位置的卷積值，可用下列方法計算：
-
將核的錨點放在該特定位置的像素上，同時，核內(nèi)的其他值與該像素鄰域的各像素重合；
-
將核內(nèi)各值與相應像素值相乘，并將乘積相加；
-
將所得結(jié)果放到與錨點對應的像素上；
-
對圖像所有像素重復上述過程。
用公式表示上述過程如下：
幸運的是，我們不必自己去實現(xiàn)這些運算，OpenCV為我們提供了函數(shù) filter2D 。
3.2代碼
-
載入一幅圖像
-
對圖像執(zhí)行 歸一化塊濾波器 。舉例來說，如果該濾波器核的大小為 ，則它會像下面這樣：
程序?qū)?zhí)行核的大小分別為3、5、7、9、11的濾波器運算。
-
該濾波器每一種核的輸出將在屏幕上顯示500毫秒
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <stdlib.h> #include <stdio.h> ? using namespace cv; ? /** @函數(shù)main */ int main ( int argc, char** argv ) {/// 聲明變量Mat src, dst; ?Mat kernel;Point anchor;double delta;int ddepth;int kernel_size;char* window_name = "filter2D Demo"; ?int c; ?/// 載入圖像src = imread( argv[1] ); ?if( !src.data ){ return -1; } ?/// 創(chuàng)建窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE ); ?/// 初始化濾波器參數(shù)anchor = Point( -1, -1 );delta = 0;ddepth = -1; ?/// 循環(huán) - 每隔0.5秒，用一個不同的核來對圖像進行濾波int ind = 0;while( true ){c = waitKey(500);/// 按'ESC'可退出程序if( (char)c == 27 ){ break; } ?/// 更新歸一化塊濾波器的核大小kernel_size = 3 + 2*( ind%5 );kernel = Mat::ones( kernel_size, kernel_size, CV_32F )/ (float)(kernel_size*kernel_size); ?/// 使用濾波器filter2D(src, dst, ddepth , kernel, anchor, delta, BORDER_DEFAULT );imshow( window_name, dst );ind++;} ?return 0; }3.3運行結(jié)果
?
?
3.3運行結(jié)果
總結(jié)
以上是生活随笔為你收集整理的OpenCV 【十九】图像金字塔/基本的阈值操作/实现自己的线性滤波器的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 张艺谋作品《影》，你认为其结局是啥意思
- 下一篇： 爱丽丝一套【魔力】换女帝一套亏吗?