OpenCV的基本绘图、平滑滤波（模糊）处理【C++的OpenCV 第五课-OpenCV图像常用操作（二）】_图像模糊处理 c++

前文链接：
【C++的OpenCV】第四课-OpenCV图像常用操作（一）：Mat对象深化学习、灰度、ROI

一、OpenCV基本绘图

1.1 OpenCV关于绘图的操作

1.1.1 cv::Point()

// Point类型的源码来源：
typedef Point2i cv::Point  //规定cv::Point2i类型为cv::Point

typedef Point_<int> cv::Point2i  // 规定将cv::Point_<int> 类型为 cv::Point12i,最常用，以此为例
	// 同理还存在：typedef Point_<float> cv::Point2f 和 
				//typedef Point_<double> cv::Point2d

// 实际上参考的类型为cv::Point_<int>,故在源码中我们要找到类模板 class  cv::Point_< _Tp >
typedef _Tp 	value_type // 又将类模板中的类型_Tp 定为 value_type.
// 这里，我们讨论value_type为int的情况，即cv::Point类型，如果不理解，多看上边几行转化逻辑！
1
2
3
4
5
6
7
8
9
10

        关于cv::Point()的常用的构造函数：

        源码位置：Point()类型的源码解释

• Point_() :默认的构造函数

template<typename _Tp>
cv::Point_< _Tp >::Point_(	)	
1
2

• Point_() : 基于点xy轴坐标的构造函数

template<typename _Tp>
cv::Point_< _Tp >::Point_(	_Tp _x, _Tp _y )	

//参数解释：
1、_Tp _x : 
	template<typename _Tp>
	_Tp cv::Point_< _Tp >::x
点point的x轴坐标

2、_Tp _y :
	template<typename _Tp>
	_Tp cv::Point_< _Tp >::y
点Point的y轴坐标

//以坐标创建一个点对象的示例：
		//使用起来其实很简单，关键是看懂源码对大家大有帮助，
		//工具的使用和理解中，我认为理解工具更重要，所以为大家进行了源码解析。
//示例1：
Point pt;
pt.x = 3;
pt.y = 4;

//示例2：
Point pt = Point(3,4);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

• Point_() :拷贝构造函数

cv::Point_< _Tp >::Point_	(	const Point_< _Tp > & 	pt	)	

// 参数解释：
1、pt ：为另外一个点对象，且对象保证了传递对象过程中的安全性（const修饰），
		将另一个点的数据拷贝到新的点上。
1
2
3
4
5

• Point_() :根据Size对象来构造点

template<typename _Tp>
cv::Point_< _Tp >::Point_	(	const Size_< _Tp > & 	sz	)	

// 参数解释：
1、 sz：一个Size对象，同样保证传递安装性。
Template class for specifying the size of an image or rectangle.

// 关于Size：该类包括两个名为width和height的成员。
		// 该结构可以转换为旧的OpenCV结构CvSize和CvSize2D32f。
// 可以使用与Point_相同的一组算术和比较操作。
1
2
3
4
5
6
7
8
9
10

1.1.2 cv::Scalar()

// Scalar 类的由来和功能
// 由来：
typedef Scalar_<double> cv::Scalar  // Scalar类实际上就是Scalar_<double>类
// 其类模板为：
template<typename _Tp>
class cv::Scalar_< _Tp >  // 当_Tp为double类型时，为Scalar()类
//从Vec派生的4元素向量的模板类。
//从Vec<_Tp，4>导出，Scalar_和Scalar可以用作典型的4元素向量。
//此外，它们还可以转换为CvScalar或从CvScala转换。Scalar类型在OpenCV中广泛用于传递像素值。

1
2
3
4
5
6
7
8
9
10

        关于cv::Scalar()的常用的构造函数：

        源码位置：Scalar()类的构造函数

• Scalar_()的构造函数

1、默认构造函数：
template<typename _Tp>
cv::Scalar_< _Tp >::Scalar_	()	

2、四向量值构造函数：
template<typename _Tp>
cv::Scalar_< _Tp >::Scalar_	(	_Tp 	v0,
								_Tp 	v1,
								_Tp 	v2 = 0,
								_Tp 	v3 = 0 
							)		

//这个构造函数和拷贝构造函数使用频率较高
//广泛使用它来表示BGR颜色值（3个参数）。如果不使用最后一个参数，则无需定义最后一个参数。
//我们被要求一个颜色参数:
Scalar( a, b, c )
//我们将定义一个BGR颜色，如：Blue = a，Green = b和Red = c

3、拷贝构造函数：
template<typename _Tp>
cv::Scalar_< _Tp >::Scalar_	(	const Scalar_< _Tp > & 	s	)	

4、单值构造函数：
template<typename _Tp>
cv::Scalar_< _Tp >::Scalar_	(	_Tp 	v0	)	

5、Vec容器类构造函数：
template<typename _Tp>
template<typename _Tp2 , int cn>
cv::Scalar_< _Tp >::Scalar_	(	const Vec< _Tp2, cn > & 	v	)	

// _Tp2为通道数据类型，cn为通道数。

// 要论Scalar还有什么用途，只要理解其本质“传递像素值”即可灵活使用。

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

1.1.3 cv::line()画线

• 函数原型：

void cv::line	(	InputOutputArray 	img,
					Point 	pt1,
					Point 	pt2,
					const Scalar & 	color,
					int 	thickness = 1,
					int 	lineType = LINE_8,
					int 	shift = 0 
				)		
1
2
3
4
5
6
7
8

• 参数解释：

1、img ：画在哪里，即背景板，是一个Mat对象（或是InputOutputArray类型同类型即可）
2、pt1、pt2：划线的两个点（划线原理是在两个点之间划线
3、color :Scalar类型的颜色描述，例如：Scalar( 255, 0, 0 ) 
4、thickness：线条的粗细，这个自己根据画出来的情况调节即可
5、lineType：线的类型，下边展示类型的宏作为选择参考。
6、shift：点坐标中的小数位数。0位没有小数位即整数。
1
2
3
4
5
6

• 函数功能：

绘制连接两点的线段。
函数线绘制图像中pt1和pt2点之间的线段。
线条由图像边界剪裁。对于具有整数坐标的非抗锯齿线，
使用8连通或4连通Bresenham算法。粗线以圆角结尾绘制。
使用高斯滤波绘制抗锯齿线。
1
2
3
4
5

• 关于线的类型的宏：
  
• 实例：

#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#define w 400

using namespace cv;

void DrawLine( Mat img, Point , Point );// 划线函数前置声明

int main( int argc, char* argv[] ){
  char windowName[] = "Drawing Window";//显示图像的窗口的名称
  Mat img = Mat::zeros( w, w, CV_8UC3 );//长宽各400像素的8位3通道无符号的空白图像矩阵
         
  MyLine( img, Point( 0, w/2 ), Point( w/4, w/2 ) ); // 画一条位于图像y方向中间的水平线，且长度为100像素

  imshow( windowName, img ); // 将图片显示在窗口中
  waitKey( 0 );
  return(0);
}

void DrawLine( Mat img, Point s, Point e )
{
  int lineThickness = 3;
  int lineType = LINE_8;
  line( img,s,e,Scalar( 0, 0, 0 ),lineThickness,lineType );//调用划线函数，线的色彩为白色
}
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

1.1.4 cv::rectangle()画矩形

• 函数原型：

void cv::rectangle	(	InputOutputArray 	img,
						Point 	pt1,
						Point 	pt2,
						const Scalar & 	color,
						int 	thickness = 1,
						int 	lineType = LINE_8,
						int 	shift = 0 
)	
1
2
3
4
5
6
7
8
9

• 参数解释：

1、pt1、pt2：矩形对角线的点
2、其他参数同划线函数。
1
2

• 函数功能：

向右上方绘制简单、粗或填充的矩形。
函数cv::rectangle()绘制矩形轮廓或填充矩形，其两个对角为pt1和pt2。
1
2

• 实例：

#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>

using namespace cv;

int main( void ){
  char rook_window[] = "Drawing 2: Rook";

  Mat rook_image = Mat::zeros( w, w, CV_8UC3 );
  
  rectangle( rook_image,
         Point( 0, 7*400/8 ),
         Point( 400, 400),
         Scalar( 0, 255, 255 ),
         FILLED,
         LINE_8 );
         
  imshow( rook_window, rook_image );
  moveWindow( rook_window, 400, 200 );
  waitKey( 0 );
  return(0);
  //这里就不一行一行解释代码了，上边画线看懂了，这个自然很轻松，主要是复习而已，大家多看看哈！
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

1.1.5 cv::circle()画圆

• 函数原型：

void cv::circle	(	InputOutputArray 	img,
					Point 	center,
					int 	radius,
					const Scalar & 	color,
					int 	thickness = 1,
					int 	lineType = LINE_8,
					int 	shift = 0 
				)	
1
2
3
4
5
6
7
8
9

• 参数解释：

1、center ： 圆中心点坐标
2、radius：圆的半径
3、剩下的参数不必多言，如果大家认真看了划线的讲解，大家就都懂了
1
2
3

• 函数功能：

画个圆圈圈！
1

• 实例

#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#define w 400
using namespace cv;

void DrawFilledCircle( Mat img, Point center ) // 小编实在懒得写前置声明了，这个图省事，当然标准格式还是参照划线的代码吧
{
  circle( img,
      center,
      w/32,
      Scalar( 0, 0, 255 ),
      FILLED,
      LINE_8 );
}

int main( void ){
  char window[] = "Drawing Window";
  Mat image = Mat::zeros( w, w, CV_8UC3 );

  MyFilledCircle( atom_image, Point( w/2, w/2) );// 画布中心（200,200）的位置画圆

  imshow( window, image );
  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

二、图像的平滑滤波处理

2.1 概念

    平滑滤波，也称之为模糊，是一种简单的图像处理的操作。
    至于模糊的目的，一般情况下最多的情况用于降噪，其次用于边界检测的相关处理也是比较广泛的，当然其他用途还是得看具体的业务。

2.2 OpenCV关于图像模糊的操作

    对于模糊处理，通常会使用到滤波器来处理图像。

2.2.1 常用滤波器的分类

• 归一化框（方框/块）滤波：
          这个过滤器是最简单的！每个输出像素是其内核相邻区域的均值（均为相等权重）
          其内核如下：
  
• 高斯滤波器
          可能是最有用的过滤器（虽然不是最快的）。高斯滤波是通过将输入数组中的每个点与高斯核进行卷积来完成的，然后将它们相加以产生输出数组。位于中间的像素将具有最大的权重。其邻居的权重随着它们与中心像素之间的空间距离的增加而减小。
          其内核如下：
  
• 中值滤波器
          中值滤波器遍历信号的每个元素（在这种情况下为图像），并用其相邻像素的中位数（位于估计像素周围的正方形邻域）替换每个像素。
• 双边滤波器
          与高斯滤波器类似的方式，双边滤波器也考虑相邻像素，其权重分配给它们。这些权重具有两个分量，其中第一个是高斯滤波器使用的相同加权。第二个组件考虑了相邻像素与被评估的像素之间的强度差异。

2.2.2 各种滤波方法具体的代码实现

• 归一化滤波
  • OpenCV提供函数cv :: blur()来使用此过滤器进行平滑处理。

void cv::blur(
				InputArray src,
				OutputArray dst,
				Size ksize,
				Point anchor = Point(-1,-1),
				int borderType = BORDER_DEFAULT 
			)		

/*
参数解释：
1、src：源图像(Mat对象），它可以有任意数量的通道，这些通道是独立处理的，
	但深度应该是CV_8U、CV_16U、CV_36S、CV_32F或CV_64F。
2、dst：目标图像（Mat对象），输出的图像和源图像同类型和同尺寸。
3、ksize：滤波器使用的内核的大小（Size(x,y)宽度为w像素和高度h像素）。
4、anchor：锚点，默认值（Point(-1,-1)）在所选择大小的内核的中心。
5、borderType：用于图像扩张外部像素的边框模式，
	请参见边框类型（BORDERTYPE）。不支持BORDER_WRAP。
*/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

• • 关于BORDERTYPE的参考值：BORDERTYPE类型参考
    
• 高斯滤波

void cv::GaussianBlur	(	
							InputArray 	src,
							OutputArray 	dst,
							Size 	ksize,
							double 	sigmaX,
							double 	sigmaY = 0,
							int 	borderType = BORDER_DEFAULT 
						)		

/*
参数解释：
1、sigmaX：X方向的高斯核标准偏差。
2、sigmaY: Y方向的高斯核标准偏差（默认为0）。
其余参数同之前。
*/

关于这个方法中提及的XY方向上距离高斯核的偏差，大家可以简单理解为，模糊的情况。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

• 中值滤波

void cv::medianBlur	(	
						InputArray 	src,
						OutputArray 	dst,
						int 	ksize 
)		

// 参数解释：
// ksize：内核的线性尺寸；它必须是奇数且大于1，例如：3、5、7。。。
1
2
3
4
5
6
7
8
9

• 双边滤波

void cv::bilateralFilter	(	
								InputArray 	src,
								OutputArray 	dst,
								int 	d,
								double 	sigmaColor,
								double 	sigmaSpace,
								int 	borderType = BORDER_DEFAULT 
							)

/*
参数解释：
1、d：过滤过程中使用的每个像素邻域的直径。
	如果它是非正的，则从sigmaSpace计算。
2、sigmaColor：颜色空间中的西格玛值。
	该参数的值越大，意味着像素邻域（请参见sigmaSpace）中的颜色越远，
	将混合在一起，从而产生更大的半等色区域。
3、sigmaSpace：在坐标空间中过滤西格玛值。
	该参数的值越大，意味着只要颜色足够接近，
	更远的像素就会相互影响（请参见sigmaColor）。
	当d>0时，它指定邻域大小，而不考虑sigmaSpace。
	否则，d与sigmaSpace成比例。
*/	
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

        双边滤波器可以很好地减少不需要的噪声，同时保持边缘相当清晰。然而，与大多数过滤器相比，它非常慢。
        sigma值：为了简单起见，可以将2西格玛值设置为相同。如果它们很小（<10），滤镜将不会有太大的效果，而如果它们很大（>150），它们将有非常强的效果，使图像看起来“卡通”。
        过滤器大小：大型过滤器（d>5）非常慢，因此建议对实时应用程序使用d=5，对需要重噪声过滤的脱机应用程序使用d=9。

2.3 参考源码

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace std;
using namespace cv;
int DELAY_CAPTION = 1500;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;
Mat src; Mat dst;
char window_name[] = "Smoothing Demo";
int display_caption( const char* caption );
int display_dst( int delay );
int main( void )
{
  namedWindow( window_name, WINDOW_AUTOSIZE );
  src = imread( "../data/lena.jpg", IMREAD_COLOR );
  if( display_caption( "Original Image" ) != 0 ) { return 0; }
  dst = src.clone();
  if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; }
  if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { blur( src, dst, Size( i, i ), Point(-1,-1) );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { GaussianBlur( src, dst, Size( i, i ), 0, 0 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Median Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { medianBlur ( src, dst, i );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; }
  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )
      { bilateralFilter ( src, dst, i, i*2, i/2 );
        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }
  display_caption( "End: Press a key!" );
  waitKey(0);
  return 0;
}
int display_caption( const char* caption )
{
  dst = Mat::zeros( src.size(), src.type() );
  putText( dst, caption,
           Point( src.cols/4, src.rows/2),
           FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );
  imshow( window_name, dst );
  int c = waitKey( DELAY_CAPTION );
  if( c >= 0 ) { return -1; }
  return 0;
}
int display_dst( int delay )
{
  imshow( window_name, dst );
  int c = waitKey ( delay );
  if( c >= 0 ) { return -1; }
  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

大家可以在自己电脑的相关位置找到这个源码：…/opencv/opencv/tree/master/samples/cpp/tutorial_code/ImgProc/Smoothing.cpp
        孜孜不倦，持续更新。期待关注！