介紹下使用 OpenCV 的三個(gè)基本功能以及噪聲的類型分析與處理

總結(jié)學(xué)習(xí)下圖像處理方面基礎(chǔ)知識(shí)。

這是第一篇，簡(jiǎn)單的介紹下使用 OpenCV 的三個(gè)基本功能：

? 圖像的讀取? 圖像的顯示? 訪問(wèn)圖像的像素值

然后概述下圖像噪聲的類型，并為圖像添加兩種常見(jiàn)的噪聲：高斯噪聲和椒鹽噪聲。最后，使用中值濾波和均值濾波來(lái)處理帶有噪聲的圖像。

OpenCV 基礎(chǔ)

在 OpenCV 中，完成圖像的輸入輸出以及顯示，只需要以下幾個(gè)函數(shù)：

1. namedWindow

創(chuàng)建一個(gè)可以通過(guò)其名字引用的窗口。第一個(gè)參數(shù)，設(shè)置窗口的 name，可以通過(guò)name引用該窗口；第二個(gè)參數(shù)，設(shè)置窗口的大小。有以下幾個(gè)選擇：

? WINDOW_NORMAL or WINDOW_AUTOSIZE 調(diào)整窗口的大小以適應(yīng)圖像，不同的是，使用WINDOW_NORMAL可以手動(dòng)調(diào)整窗口的大??；WINDOW_AUTOSIZE不能調(diào)整窗口的大小。? WINDOW_FREERATIO or WINDOW_KEEPRATIO 改變窗口時(shí)是否會(huì)保持圖像的ratio不變，沒(méi)發(fā)現(xiàn)這倆有什么區(qū)別。

2. imshow

顯示圖像

3. imread

讀取圖像數(shù)據(jù)到Mat中,第一個(gè)參數(shù)是圖像的文件名；第二個(gè)參數(shù)是標(biāo)志，標(biāo)識(shí)怎么處理圖像的色彩。常用的幾個(gè)選項(xiàng)：

? IMREAD_UNCHANGED 和原圖像保持一直不變? IMREAD_GRAYSCALE 將圖像轉(zhuǎn)換為單通道的灰度圖? IMREAD_COLOR 將圖像轉(zhuǎn)換為3通道的BGR，默認(rèn)選項(xiàng)? IMREAD_REDUCED_GRAYSCALE_2 IMREAD_REDUCED_GRAYSCALE_4 IMREAD_REDUCED_GRAYSCALE_8 單通道灰度圖讀入圖像，并減小圖像的大小。減小的值為1/2,1/4,1/8? IMREAD_REDUCED_COLOR_2 IMREAD_REDUCED_COLOR_4 IMREAD_REDUCED_COLOR_2 3通道BGR讀入圖像，并減小圖像的大小。減小的值為1/2,1/4,1/8

4. Mat

Mat 是 OpenCV 中最重要的數(shù)據(jù)結(jié)構(gòu)，在做圖像處理時(shí)基本都是對(duì)該結(jié)構(gòu)體的操作。

Mat 由兩部分構(gòu)成：矩陣頭和矩陣數(shù)據(jù)，矩陣頭較小，創(chuàng)建的每個(gè) Mat 實(shí)例都擁有一個(gè)矩陣頭，而矩陣數(shù)據(jù)通常占有較大的空間，OpenCV 中通過(guò)引用計(jì)數(shù)來(lái)管理這部分內(nèi)存空間，當(dāng)調(diào)用賦值運(yùn)算符和拷貝構(gòu)造函數(shù)時(shí)，并不會(huì)只復(fù)制矩陣頭，并不會(huì)復(fù)制矩陣數(shù)據(jù)，只是將其的引用計(jì)數(shù)加1。例如：

上面代碼中的 a，b 和 m 各自擁有自己的矩陣頭，其引用的數(shù)據(jù)卻指向同一份。也就是說(shuō)，修改了其中任意一個(gè)，都會(huì)影響到其余的兩個(gè)。

要想復(fù)制矩陣數(shù)據(jù)，可以調(diào)用 clone 和 copyTo 這兩個(gè)函數(shù)

將圖像讀入到 Mat 后，有三種方式訪問(wèn) Mat 中的數(shù)據(jù)：

? 通過(guò)指針? 使用迭代器? 調(diào)用 at

圖像噪聲

圖像噪聲是圖像在獲取或傳輸?shù)倪^(guò)程中受到隨機(jī)信號(hào)的干擾，在圖像上出現(xiàn)的一些隨機(jī)的、離散的、孤立的像素點(diǎn)，這些點(diǎn)會(huì)干擾人眼對(duì)圖像信息的分析。圖像的噪聲通常是比較復(fù)雜的，很多時(shí)候?qū)⑵淇闯墒嵌嗑S隨機(jī)過(guò)程，因而可以借助于隨即過(guò)程描述噪聲，即使用概率分布函數(shù)和概率密度函數(shù)。

圖像的噪聲很多，性質(zhì)也千差萬(wàn)別， 可以通過(guò)不同的方法給噪聲分類。

按照產(chǎn)生的原因：

? 外部噪聲? 內(nèi)部噪聲

這種分類方法，有助于理解噪聲產(chǎn)生的源頭，但對(duì)于降噪算法只能起到原理上的幫組。

噪聲和圖像信號(hào)的關(guān)系，可以分為：

? 加性噪聲，加性噪聲和圖像信號(hào)強(qiáng)度不相關(guān)，這類噪聲可以看著理想無(wú)噪聲圖像f和噪聲的和。? 乘性噪聲，乘性噪聲和圖像信號(hào)是相關(guān)的，往往隨圖像信號(hào)的變化而變化

而為了分析處理的方便，常常將乘性噪聲近似認(rèn)為是加性噪聲，而且總是假定信號(hào)和噪聲是互相獨(dú)立的。

最重要的來(lái)了，按照概率密度函數(shù)（PDF）分類：

? 高斯噪聲，高斯噪聲模型經(jīng)常被用于實(shí)踐中。? 脈沖噪聲（椒鹽噪聲），圖像上一個(gè)個(gè)點(diǎn)，也可稱為散粒和尖峰噪聲。? 伽馬噪聲? 瑞利噪聲? 指數(shù)分布噪聲? 均勻分布噪聲

這種分類方法，引入了數(shù)學(xué)模型，對(duì)設(shè)計(jì)過(guò)濾算法比較有幫助。

給圖像添加噪聲

按照指定的噪聲類型，生成一個(gè)隨機(jī)數(shù)，然后將這個(gè)隨機(jī)數(shù)加到源像素值上，并將得到的值所放到[0,255]區(qū)間即可。

C++11 隨機(jī)數(shù)發(fā)生器

新的隨機(jī)數(shù)生成器被抽象成了兩個(gè)部分：隨機(jī)數(shù)生成引擎和要生成的隨機(jī)數(shù)符合的分布。

隨機(jī)數(shù)引擎有三種：

? linear_congruential_engine 線性同余算法? mersenne_twister_engine 梅森旋轉(zhuǎn)算法? subtract_with_carry_engine 帶進(jìn)位的線性同余算法

第一種最常用，而且速度比較快；第二種號(hào)稱最好的偽隨機(jī)數(shù)生成器

添加圖像噪聲

使用C++的隨機(jī)數(shù)發(fā)生器為圖像添加兩種噪聲：椒鹽噪聲和高斯噪聲。椒鹽噪聲是圖像中離散分布的白點(diǎn)或者黑點(diǎn)，其代碼如下：

上述代碼中使用ptr()獲取圖像某一行的行首指針，得到行首指針后就可以任意的訪問(wèn)改行的像素值。

高斯噪聲是一種加性噪聲，為圖像添加高斯噪聲的代碼如下：

隨機(jī)產(chǎn)生符合高斯分布的隨機(jī)數(shù)，然后將該值和圖像原有的像素值相加，并將得到的和壓縮到[0,255]區(qū)間內(nèi)。

左邊是原圖，中間的是添加高斯噪聲后的圖像，最右邊的是添加椒鹽噪聲后的圖像。

使用濾波器去除噪聲

根據(jù)噪聲類型的不同，選擇不同的濾波器過(guò)濾掉噪聲。通常，對(duì)于椒鹽噪聲，選擇中值濾波器（Median Filter），在去掉噪聲的同時(shí)，不會(huì)模糊圖像；對(duì)于高斯噪聲，選擇均值濾波器（Mean Filter），能夠去掉噪聲，但會(huì)對(duì)圖像造成一定的模糊。

在 OpenCV 中，對(duì)應(yīng)于均值濾波器的函數(shù)是 blur，該函數(shù)需要5個(gè)參數(shù)，通常只設(shè)置前3個(gè)后兩個(gè)使用默認(rèn)值即可。blur(m, m2, Size(5, 5));第一個(gè)參數(shù)是輸入的圖像，第二個(gè)參數(shù)是輸出的圖像，第三個(gè)參數(shù)是濾波器的大小，這里使用的是5×55×5的矩形。

對(duì)應(yīng)于中值濾波器的函數(shù)是medianBlur(m1, m3, 5);前兩個(gè)參數(shù)是輸入輸出的圖像，第三個(gè)參數(shù)是濾波器的大小，由于是選取的是中值，濾波器的大小通常是一個(gè)奇數(shù)。

下圖是對(duì)有噪聲圖像使用濾波器后的結(jié)果，中間的是原始圖像，左邊的是使用均值濾波器過(guò)濾高斯噪聲后的結(jié)果；右邊的是使用中值濾波器過(guò)濾椒鹽噪聲后的結(jié)果?？梢悦黠@的看出，這兩種濾波器都能夠很好的去掉圖像的噪聲，但會(huì)對(duì)圖像造成一定的模糊，尤其是均值濾波器造成的模糊比較明顯。

總結(jié)

本文算是第一篇文章，簡(jiǎn)單的介紹下 OpenCV 的基本使用；接著訪問(wèn)圖像中的像素，并借助于C++11的隨機(jī)數(shù)庫(kù)，為圖像添加高斯噪聲和椒鹽噪聲；最后使用中值濾波器和均值濾波器除去圖像，并對(duì)結(jié)果進(jìn)行了對(duì)比。