opencv滤波器的使用-CFANZ编程社区

int main()
 {
  //改变控制台前景色和背景色
  system("color5F");
  //读入用户提供的图像
  Mat src_Image = imread("test.jpg");
  namedWindow("滤波");
  Mat out;
  boxFilter(src_Image, out, -1, Size(5, 5));
  imshow("滤波", out);
  waitKey(30);
  
  return 0;
 }boxFilter方框滤波

参数详解如下：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。
第三个参数，int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。
第四个参数，Size类型的ksize，内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小
第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
第六个参数，bool类型的normalize，默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了。
第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

int main()
 {
  //改变控制台前景色和背景色
  system("color5F");
  //读入用户提供的图像
  Mat src_Image = imread("test.jpg");
  namedWindow("滤波");
  Mat out;
  blur(src_Image, out, Size(7, 7));
  imshow("滤波", out);
  waitKey(30);
  
  return 0;
 }blur（）——均值滤波

参数详解如下：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。
第三个参数，Size类型（对Size类型稍后有讲解）的ksize，内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小
第四个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
第五个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

int main()
 {
  //改变控制台前景色和背景色
  system("color5F");
  //读入用户提供的图像
  Mat src_Image = imread("test.jpg");
  namedWindow("滤波");
  Mat out;
  GaussianBlur(src_Image, out, Size(3, 3), 0, 0);
  imshow("滤波", out);
  waitKey(30);
  
  return 0;
 }

GaussianBlur（）——高斯滤波

参数详解如下：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图片，但需要注意，图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。
第三个参数，Size类型的ksize高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数。或者，它们可以是零的，它们都是由sigma计算而来。
第四个参数，double类型的sigmaX，表示高斯核函数在X方向的的标准偏差。
第五个参数，double类型的sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。
为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。
第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

// opencv2.cpp : 定义控制台应用程序的入口点。
 //#include "stdafx.h"
 #include <opencv2/core/core.hpp>
 #include<opencv2/highgui/highgui.hpp>
 #include <opencv2/imgproc/imgproc.hpp>
 #include <iostream>
 using namespace std;
 using namespace cv;Mat g_srcImage, g_dstImage1, g_dstImage2, g_dstImage3;//存储图片的Mat类型
 int g_nBoxFilterValue = 3;  //方框滤波参数值
 int g_nMeanBlurValue = 3;  //均值滤波参数值
 int g_nGaussianBlurValue = 3;  //高斯滤波参数值//轨迹条的回调函数
 static void on_BoxFilter(int, void *);            //方框滤波
 static void on_MeanBlur(int, void *);           //均值滤波
 static void on_GaussianBlur(int, void *);                    //高斯滤波int main()
 {
  //改变console字体颜色
  system("color5E");
  //载入原图
  g_srcImage = imread("test.jpg", 1);
  if (!g_srcImage.data) { printf("读取错误~！\n"); return false; }
  //克隆原图到三个Mat类型中
  g_dstImage1 = g_srcImage.clone();
  g_dstImage2 = g_srcImage.clone();
  g_dstImage3 = g_srcImage.clone();
  //显示原图
  namedWindow("原图窗口", 1);
  imshow("原图窗口", g_srcImage);
  //=================方框滤波==================
  //创建窗口
  namedWindow("方框滤波", 1);
  //创建轨迹条
  createTrackbar("内核值：", "方框滤波", &g_nBoxFilterValue, 40, on_BoxFilter);
  on_MeanBlur(g_nBoxFilterValue, 0);
  imshow("方框滤波", g_dstImage1);
  //=================均值滤波==================
  //创建窗口
  namedWindow("均值滤波", 1);
  //创建轨迹条
  createTrackbar("内核值：", "均值滤波", &g_nMeanBlurValue, 40, on_MeanBlur);
  on_MeanBlur(g_nMeanBlurValue, 0);
  //=================高斯滤波=====================
  //创建窗口
  namedWindow("高斯滤波", 1);
  //创建轨迹条
  createTrackbar("内核值：", "高斯滤波", &g_nGaussianBlurValue, 40, on_GaussianBlur);
  on_GaussianBlur(g_nGaussianBlurValue, 0);
  //输出一些帮助信息  cout << endl << "\t嗯。好了，请调整滚动条观察图像效果~\n\n"
   << "\t按下“q”键时，程序退出~!\n"
   << "\n\n\t\t\t\tby浅墨";
 //按下“q”键时，程序退出
  while (char(waitKey(1)) != 'q') {} return 0;
 } //-----------------------------【on_BoxFilter( )函数】------------------------------------
 //     描述：方框滤波操作的回调函数
 //-----------------------------------------------------------------------------------------------
 static void on_BoxFilter(int, void *)
 {
  //方框滤波操作
  boxFilter(g_srcImage, g_dstImage1, -1, Size(g_nBoxFilterValue + 1, g_nBoxFilterValue + 1));
  //显示窗口
  imshow("【<1>方框滤波】", g_dstImage1);
 } //-----------------------------【on_MeanBlur( )函数】------------------------------------
 //     描述：均值滤波操作的回调函数
 //-----------------------------------------------------------------------------------------------
 static void on_MeanBlur(int, void *)
 {
  //均值滤波操作
  blur(g_srcImage, g_dstImage2, Size(g_nMeanBlurValue + 1, g_nMeanBlurValue + 1), Point(-1, -1));
  //显示窗口
  imshow("【<2>均值滤波】", g_dstImage2);
 } //-----------------------------【on_GaussianBlur( )函数】------------------------------------
 //     描述：高斯滤波操作的回调函数
 //-----------------------------------------------------------------------------------------------
 static void on_GaussianBlur(int, void *)
 {
  //高斯滤波操作
  GaussianBlur(g_srcImage, g_dstImage3, Size(g_nGaussianBlurValue * 2 + 1, g_nGaussianBlurValue * 2 + 1), 0, 0);
  //显示窗口
  imshow("【<3>高斯滤波】", g_dstImage3);
 }