c++视觉处理---高斯滤波_c++ opencv 高斯滤波

高斯滤波处理

高斯滤波是一种常用的平滑滤波方法，它使用高斯函数的权重来平滑图像。高斯滤波通常用于去除噪声并保留图像中的细节。在OpenCV中，可以使用cv::GaussianBlur()函数来应用高斯滤波。

以下是cv::GaussianBlur()函数的基本用法：

void cv::GaussianBlur(
    cv::InputArray src,     // 输入图像
    cv::OutputArray dst,    // 输出图像
    cv::Size ksize,         // 高斯滤波核的大小，通常为奇数
    double sigmaX,          // X方向的高斯标准差
    double sigmaY = 0,      // Y方向的高斯标准差（如果为0，则默认为与sigmaX相同）
    int borderType = cv::BORDER_DEFAULT  // 边界处理方式，默认为BORDER_DEFAULT
);
1
2
3
4
5
6
7
8

参数解释：

• src: 输入图像。
• dst: 输出图像，将平滑后的图像存储在这里。
• ksize: 高斯滤波核的大小，通常是一个奇数，例如(3, 3)或(5, 5)。较大的核将导致更强烈的平滑效果。
• sigmaX: X方向的高斯标准差，控制权重分布的宽度。较大的值将导致较强的平滑效果。
• sigmaY: Y方向的高斯标准差，通常与sigmaX相同。如果设置为0（默认值），则与sigmaX相同。
• borderType: 边界处理方式，控制在图像边界处如何处理滤波操作。通常使用默认值cv::BORDER_DEFAULT。

下面是一个示例代码，演示如何使用cv::GaussianBlur()函数应用高斯滤波：

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>

int main() {
    // 读取图像
    cv::Mat image = cv::imread("1.jpg", cv::IMREAD_COLOR);

    if (image.empty()) {
        std::cerr << "Could not open or find the image!" << std::endl;
        return -1;
    }

    // 创建一个平滑后的图像副本
    cv::Mat smoothed_image;

    // 使用高斯滤波平滑图像
    cv::GaussianBlur(image, smoothed_image, cv::Size(5, 5), 1.5, 0);

    // 显示原始图像和平滑后的图像
    cv::namedWindow("Original Image", cv::WINDOW_NORMAL);
    cv::namedWindow("Smoothed Image", cv::WINDOW_NORMAL);

    cv::imshow("Original Image", image);
    cv::imshow("Smoothed Image", smoothed_image);

    cv::waitKey(0);

    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

使用相机本地实时处理高斯滤波

#include <opencv2/opencv.hpp>

// 全局变量，用于存储滑动条的值
int kernelSize = 3;
int sigmaX = 1;

// 回调函数，用于处理滑动条的值变化
void onTrackbar(int value, void* userdata) {
    // 从userdata中获取VideoCapture对象
    cv::VideoCapture* cap = static_cast<cv::VideoCapture*>(userdata);

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    while (true) {
        cv::Mat frame;

        // 从相机中读取一帧图像
        *cap >> frame;

        if (frame.empty()) {
            std::cerr << "Failed to read frame from the camera!" << std::endl;
            break;
        }

        // 创建一个平滑后的图像副本
        cv::Mat smoothed_frame;

        // 使用高斯滤波平滑图像，核的大小和标准差由滑动条值决定
        cv::GaussianBlur(frame, smoothed_frame, cv::Size(kernelSize, kernelSize), sigmaX);

        // 显示实时摄像头图像和平滑后的图像
        cv::imshow("Live Camera Feed", frame);
        cv::imshow("Smoothed Frame", smoothed_frame);

        // 检查键盘输入，如果按下ESC键，退出循环
        char key = cv::waitKey(1);
        if (key == 27) // 27对应ESC键的ASCII码
            break;
    }
}

int main() {
    // 打开本地相机（通常相机编号为0表示默认相机，如果有多个相机，则可能需要调整编号）
    cv::VideoCapture cap(0);

    if (!cap.isOpened()) {
        std::cerr << "Could not open the camera!" << std::endl;
        return -1;
    }

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    // 创建滑动条
    cv::createTrackbar("Kernel Size", "Live Camera Feed", &kernelSize, 30, onTrackbar, &cap);
    cv::createTrackbar("Sigma X", "Live Camera Feed", &sigmaX, 10, onTrackbar, &cap);

    // 初始化一次滑动条回调函数以显示默认值
    onTrackbar(kernelSize, &cap);

    // 释放摄像头资源和关闭窗口
    cap.release();
    cv::destroyAllWindows();

    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67