smooth函數(shù)

?Smooth?函數(shù)

各種方法的圖像平滑

void cvSmooth( const CvArr* src, CvArr* dst, int smoothtype=CV_GAUSSIAN, int param1=3, int param2=0, double param3=0 ); src

輸入圖像.

dst

輸出圖像.

smoothtype

平滑方法:

• CV_BLUR_NO_SCALE (簡單不帶尺度變換的模糊) - 對每個象素領(lǐng)域?param1×param2?求和。如果鄰域大小是變化的，可以事先利用函數(shù)?cvIntegral?計算積分圖像。
• CV_BLUR (simple blur) - 對每個象素鄰域?param1×param2?求和并做尺度變換 1/(param1?param2).
• CV_GAUSSIAN (gaussian blur) - 對圖像進(jìn)行核大小為?param1×param2?的高斯卷積
• CV_MEDIAN (median blur) - 發(fā)現(xiàn)鄰域?param1×param1?的中值 (i.e. 鄰域是方的).
• CV_BILATERAL (雙濾波) - 應(yīng)用雙向 3x3 濾波，彩色 sigma=param1，空間 sigma=param2. 關(guān)于雙向濾波，可參考?http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html

param1

平滑操作的第一個參數(shù).

param2

平滑操作的第二個參數(shù).?param2?為零對應(yīng)簡單的尺度變換和高斯模糊。

param3

對應(yīng)高斯參數(shù)的 Gaussian sigma (標(biāo)準(zhǔn)差). 如果為零，這由下面的核尺寸計算： sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 對應(yīng)水平核, n=param2 對應(yīng)垂直核. 對小的卷積核 (3×3 to 7×7) 使用標(biāo)準(zhǔn) sigma 速度會快。如果?param3?不為零，而?param1?和?param2?為零，則核大小有 sigma 計算 (以保證足夠精確的操作).

函數(shù)?cvSmooth?可使用上面任何一種方法平滑圖像。每一種方法都有自己的特點以及局限。

沒有縮放的圖像平滑僅支持單通道圖像，并且支持8位、16位、32位和32位浮點格式。

簡單模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特浮點圖像。這兩種方法可以（in-place）方式處理圖像。

中值和雙向濾波工作于 1- 或 3-通道， 8-位圖像，但是不能以 in-place 方式處理圖像

opencv代碼：

#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <iostream> #include<cv.h> #include<stdlib.h> using namespace cv; using namespace std;int main() {Mat src, dst;src = imread("D:6.jpg");/*Mat kx = (Mat_<float>(1, 3) << 0,-1,0);Mat ky = (Mat_<float>(1, 3) << -1,0, -1);sepFilter2D(src, dst, src.depth(),kx,ky,Point(-1,-1),0,BORDER_DEFAULT );*/cvSmooth(src, dst, CV_GAUSSIAN, , 3, 0);imshow("shiyan", dst);waitKey(0);return 0; }

總結(jié)

以上是生活随笔為你收集整理的smooth函数的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。