電子發(fā)燒友App
二、深入——OpenCV源碼剖析
《1》OpenCV中boxFilter函數(shù)源碼解析
我們可以在OpenCV的安裝路徑的\sources\modules\imgproc\src下的smooth.cpp源文件的第711行找到
boxFilter函數(shù)的源代碼。對應于淺墨將OpenCV 2.4.8安裝在D：\Program Files\opencv的路徑下，那么，
smooth.cpp文件就在 D：\ProgramFiles\opencv\sources\modules\imgproc\src路徑下。
//-----------------------------------【boxFilter（）函數(shù)中文注釋版源代
碼】----------------------------
// 代碼作用：進行box Filter濾波操作的函數(shù)
// 說明：以下代碼為來自于計算機開源視覺庫OpenCV的官方源代碼
// OpenCV源代碼版本：2.4.8
// 源碼路徑：…\opencv\sources\modules\imgproc\src\smooth.cpp
// 源文件中如下代碼的起始行數(shù)：711行
// 中文注釋by淺墨
//------------------------------------------------------------------------------------------
--------------
void cv：：boxFilter（ InputArray _src，OutputArray _dst， int ddepth，
Size ksize， Point anchor，
bool normalize， int borderType）
{
Mat src = _src.getMat（）;//拷貝源圖的形參Mat數(shù)據(jù)到臨時變量，用于稍后的操作
int sdepth =src.depth（）， cn = src.channels（）;//定義int型臨時變量，代表源圖深度的sdepth，源圖
通道的引用cn
//處理ddepth小于零的情況
if（ ddepth 《 0 ）
ddepth = sdepth;
_dst.create（ src.size（）， CV_MAKETYPE（ddepth， cn） ）;//初始化目標圖
Mat dst =_dst.getMat（）;//拷貝目標圖的形參Mat數(shù)據(jù)到臨時變量，用于稍后的操作
//處理 borderType不為 BORDER_CONSTANT 且normalize為真的情況
if（ borderType ！= BORDER_CONSTANT && normalize ）{
if（ src.rows == 1 ）
ksize.height = 1;
if（ src.cols == 1 ）
ksize.width = 1;
}
//若之前有過HAVE_TEGRA_OPTIMIZATION優(yōu)化選項的定義，則執(zhí)行宏體中的tegra優(yōu)化版函數(shù)并返回
#ifdef HAVE_TEGRA_OPTIMIZATION
if （ tegra：：box（src， dst， ksize， anchor， normalize， borderType） ）
return;
#endif
//調(diào)用FilterEngine濾波引擎，正式開始濾波操作
Ptr《FilterEngine》 f = createBoxFilter（ src.type（）， dst.type（），
ksize， anchor，normalize， borderType ）;
f-》apply（ src， dst ）;
}
其中的Ptr是用來動態(tài)分配的對象的智能指針模板類?？梢园l(fā)現(xiàn)，函數(shù)的內(nèi)部代碼思路是很清晰的，先拷
貝源圖的形參Mat數(shù)據(jù)到臨時變量，定義一些臨時變量，在處理ddepth小于零的情況，接著處理
borderType不為 BORDER_CONSTANT 且normalize為真的情況，最終調(diào)用FilterEngine濾波引擎創(chuàng)建一個
BoxFilter，正式開始濾波操作。
這里的FilterEngine是OpenCV圖像濾波功能的核心引擎，我們有必要詳細剖析看其源代碼。
《2》FilterEngine 類解析——OpenCV圖像濾波核心引擎
FilterEngine類是OpenCV關于圖像濾波的主力軍類，OpenCV圖像濾波功能的核心引擎。各種濾波函數(shù)比如
blur， GaussianBlur，到頭來其實是就是在函數(shù)末尾處定義了一個Ptr《FilterEngine》類型的f，然后f-
》apply（ src， dst ）了一下而已。
這個類可以把幾乎是所有的濾波操作施加到圖像上。它包含了所有必要的中間緩存器。有很多和濾波相關
的create系函數(shù)的返回值直接就是Ptr《FilterEngine》。比如cv：：createSeparableLinearFilter（），
cv：：createLinearFilter（），cv：：createGaussianFilter（）， cv：：createDerivFilter（），
cv：：createBoxFilter（） 和cv：：createMorphologyFilter（）。，這里給出其中一個函數(shù)的原型吧：
Ptr《FilterEngine》createLinearFilter（int srcType， int dstType， InputArray kernel，
Point_anchor=Point（-1，-1）， double delta=0， int rowBorderType=BORDER_DEFAULT，
intcolumnBorderType=-1， const Scalar& borderValue=Scalar（） ）
上面我們提到過了，其中的Ptr是用來動態(tài)分配的對象的智能指針模板類，而上面的尖括號里面的模板參
數(shù)就是FilterEngine。
使用FilterEngine類可以分塊處理大量的圖像，構(gòu)建復雜的管線，其中就包含一些進行濾波階段。如果我
們需要使用預先定義好的的濾波操作，cv：：filter2D（）， cv：：erode（），以及cv：：dilate（），可以選擇，他
們不依賴于FilterEngine，自立自強，在自己函數(shù)體內(nèi)部就實現(xiàn)了FilterEngine提供的功能。不像其他的
諸如我們今天講的blur系列函數(shù)，依賴于FilterEngine引擎。
我們看下其類聲明經(jīng)過淺墨詳細注釋的源碼：
//-----------------------------------【FilterEngine類中文注釋版源代
碼】----------------------------
// 代碼作用：FilterEngine類，OpenCV圖像濾波功能的核心引擎
// 說明：以下代碼為來自于計算機開源視覺庫OpenCV的官方源代碼
// OpenCV源代碼版本：2.4.8
// 源碼路徑：…\opencv\sources\modules\imgproc\include\opencv2\imgproc\imgproc.hpp
// 源文件中如下代碼的起始行數(shù)：222行
// 中文注釋by淺墨
//------------------------------------------------------------------------------------------
--------------
class CV_EXPORTS FilterEngine
{
public：
//默認構(gòu)造函數(shù)
FilterEngine（）;
//完整的構(gòu)造函數(shù)。 _filter2D 、_rowFilter 和 _columnFilter之一，必須為非空
FilterEngine（const Ptr《BaseFilter》& _filter2D，
constPtr《BaseRowFilter》& _rowFilter，
constPtr《BaseColumnFilter》& _columnFilter，
int srcType， int dstType， intbufType，
int_rowBorderType=BORDER_REPLICATE，
int _columnBorderType=-1，
const Scalar&_borderValue=Scalar（））;
//默認析構(gòu)函數(shù)
virtual ~FilterEngine（）;
//重新初始化引擎。釋放之前濾波器申請的內(nèi)存。
void init（const Ptr《BaseFilter》& _filter2D，
constPtr《BaseRowFilter》& _rowFilter，
constPtr《BaseColumnFilter》& _columnFilter，
int srcType， int dstType， intbufType，
int_rowBorderType=BORDER_REPLICATE， int _columnBorderType=-1，
const Scalar&_borderValue=Scalar（））;
//開始對指定了ROI區(qū)域和尺寸的圖片進行濾波操作
virtual int start（Size wholeSize， Rect roi， int maxBufRows=-1）;
//開始對指定了ROI區(qū)域的圖片進行濾波操作
virtual int start（const Mat& src， const Rect&srcRoi=Rect（0，0，-1，-1），
bool isolated=false， intmaxBufRows=-1）;
//處理圖像的下一個srcCount行（函數(shù)的第三個參數(shù)）
virtual int proceed（const uchar* src， int srcStep， int srcCount，
uchar* dst， intdstStep）;
//對圖像指定的ROI區(qū)域進行濾波操作，若srcRoi=（0，0，-1，-1），則對整個圖像進行濾波操作
virtual void apply（ const Mat& src， Mat& dst，
const Rect&srcRoi=Rect（0，0，-1，-1），
Point dstOfs=Point（0，0），
bool isolated=false）;
//如果濾波器可分離，則返回true
boolisSeparable（） const { return （const BaseFilter*）filter2D == 0; }
//返回輸入和輸出行數(shù)
int remainingInputRows（） const;
intremainingOutputRows（） const;
//一些成員參數(shù)定義
int srcType， dstType， bufType;
Size ksize;
Point anchor;
int maxWidth;
Size wholeSize;
Rect roi;
int dx1， dx2;
int rowBorderType， columnBorderType;
vector《int》 borderTab;
int borderElemSize;
vector《uchar》 ringBuf;
vector《uchar》 srcRow;
vector《uchar》 constBorderValue;
vector《uchar》 constBorderRow;
int bufStep， startY， startY0， endY， rowCount， dstY;
vector《uchar*》 rows;
Ptr《BaseFilter》 filter2D;
Ptr《BaseRowFilter》 rowFilter;
Ptr《BaseColumnFilter》 columnFilter;
};
《3》OpenCV中size類型剖析
size類型我們也講一下， 通過轉(zhuǎn)到定義，我們可以在……\opencv\sources\modules\core\include
\opencv2\core\core.hpp路徑下，對應于淺墨的OpenCV安裝路徑，就是在
D：\ProgramFiles\opencv\sources\modules\core\include\opencv2\core\core.hpp下，找到其原型聲明
：
typedef Size_《int》 Size2i;
typedef Size2i Size;
Size_ 是個模板類，在這里Size_《int》表示其類體內(nèi)部的模板所代表的類型為int。
那這兩句的意思，就是首先給已知的數(shù)據(jù)類型Size_《int》起個新名字，叫Size2i。
然后又給已知的數(shù)據(jù)類型Size2i起個新名字，叫Size。
所以，連起來就是，Size_《int》、Size2i、Size這三個類型名等價。
然后我們追根溯源，找到Size_模板類的定義：
//-----------------------------------【Size_類中文注釋版源代碼】----------------------------
// 代碼作用：作為尺寸相關數(shù)據(jù)結(jié)構(gòu)的Size_ 模板類
// 說明：以下代碼為來自于計算機開源視覺庫OpenCV的官方源代碼
// OpenCV源代碼版本：2.4.8
// 源碼路徑：…\opencv\sources\modules\core\include\opencv2\core\core.hpp
// 源文件中如下代碼的起始行數(shù)：816行
// 中文注釋by淺墨
//------------------------------------------------------------------------------------------
--------------
template《typename _Tp》 class Size_
{
public：
typedef _Tp value_type;
//不同的構(gòu)造函數(shù)定義
Size_（）;
Size_（_Tp _width， _Tp _height）;
Size_（const Size_& sz）;
Size_（const CvSize& sz）;
Size_（const CvSize2D32f& sz）;
Size_（const Point_《_Tp》& pt）;
Size_& operator = （const Size_& sz）;
//區(qū)域（width*height）
_Tp area（） const;
//轉(zhuǎn)化另一種數(shù)據(jù)類型。
template《typename_Tp2》 operator Size_《_Tp2》（） const;
//轉(zhuǎn)換為舊式的OpenCV類型。
operator CvSize（） const;
operator CvSize2D32f（） const;
_Tp width， height; //寬度和高度，常用屬性
};
可以看到Size_模板類的內(nèi)部又是重載了一些構(gòu)造函數(shù)以滿足我們的需要，其中，我們用得最多的是如下
這個構(gòu)造函數(shù)：
Size_（_Tp _width， _Tp _height）;
另外，代碼末尾定義了模板類型的寬度和高度：
_Tp width， height; //寬度和高度
于是我們可以用XXX. width和XXX.height來分別表示其寬度和高度。
給大家一個示例，方便理解：
Size（5， 5）；//構(gòu)造出的Size寬度和高度都為5，即XXX.width和XXX.height都為5
《4》OpenCV中blur函數(shù)源碼剖析
我們可以在OpenCV的安裝路徑的\sources\modules\imgproc\src下的smooth.cpp源文件中找到blur的源代
碼。對應于淺墨將OpenCV 2.4.8安裝在D：\Program Files\opencv下，那么，smooth.cpp文件就在 D：
\ProgramFiles\opencv\sources\modules\imgproc\src路徑下。
一起來看一下OpenCV中blur函數(shù)定義的真面目：
//-----------------------------------【blur（）函數(shù)中文注釋版源代碼】----------------------------
// 代碼作用：進行blur均值濾波操作的函數(shù)
// 說明：以下代碼為來自于計算機開源視覺庫OpenCV的官方源代碼
// OpenCV源代碼版本：2.4.8
// 源碼路徑：…\opencv\sources\modules\imgproc\src\smooth.cpp
// 源文件中如下代碼的起始行數(shù)：738行
// 中文注釋by淺墨
//------------------------------------------------------------------------------------------
--------------
void cv：：blur（InputArray src， OutputArray dst，
Size ksize， Point anchor， int borderType ）
{
//調(diào)用boxFilter函數(shù)進行處理
boxFilter（ src， dst， -1， ksize， anchor， true， borderType ）;
}
可以看到在blur函數(shù)內(nèi)部就是調(diào)用了一個boxFilter函數(shù)，且第六個參數(shù)為true，即我們上文所說的
normalize=true，即均值濾波是均一化后的方框濾波。
《5》OpenCV中GaussianBlur函數(shù)源碼剖析
最后，我們看一下OpenCV中GaussianBlur函數(shù)源代碼：
//-----------------------------------【GaussianBlur（）函數(shù)中文注釋版源代碼】-----------------------
// 代碼作用：封裝高斯濾波的GaussianBlur（）函數(shù)
// 說明：以下代碼為來自于計算機開源視覺庫OpenCV的官方源代碼
// OpenCV源代碼版本：2.4.8
// 源碼路徑：…\opencv\sources\modules\imgproc\src\smooth.cpp
// 源文件中如下代碼的起始行數(shù)：832行
// 中文注釋by淺墨
//------------------------------------------------------------------------------------------
--------------
void cv：：GaussianBlur（ InputArray _src，OutputArray _dst， Size ksize，
double sigma1， doublesigma2，
int borderType ）
{
//拷貝形參Mat數(shù)據(jù)到臨時變量，用于稍后的操作
Mat src = _src.getMat（）;
_dst.create（ src.size（）， src.type（） ）;
Mat dst =_dst.getMat（）;
//處理邊界選項不為BORDER_CONSTANT時的情況
if（ borderType ！= BORDER_CONSTANT ）
{
if（ src.rows == 1 ）
ksize.height = 1;
if（ src.cols == 1 ）
ksize.width = 1;
}
//若ksize長寬都為1，將源圖拷貝給目標圖
if（ ksize.width == 1 && ksize.height == 1 ）
{
src.copyTo（dst）;
return;
}
//若之前有過HAVE_TEGRA_OPTIMIZATION優(yōu)化選項的定義，則執(zhí)行宏體中的tegra優(yōu)化版函數(shù)并返回
#ifdef HAVE_TEGRA_OPTIMIZATION
if（sigma1 == 0 && sigma2 == 0 && tegra：：gaussian（src，dst， ksize， borderType））
return;
#endif
//如果HAVE_IPP&& （IPP_VERSION_MAJOR 》= 7為真，則執(zhí)行宏體中語句
#if defined HAVE_IPP &&（IPP_VERSION_MAJOR 》= 7）
if（src.type（） == CV_32FC1 && sigma1 == sigma2 &&ksize.width == ksize.height && sigma1 ！=
0.0 ）
{
IppiSize roi = {src.cols， src.rows};
int bufSize = 0;
ippiFilterGaussGetBufferSize_32f_C1R（roi， ksize.width， &bufSize）;
AutoBuffer《uchar》 buf（bufSize+128）;
if（ ippiFilterGaussBorder_32f_C1R（（const Ipp32f *）src.data，（int）src.step，
?。↖pp32f *）dst.data， （int）dst.step，
roi，ksize.width， （Ipp32f）sigma1，
?。↖ppiBorderType）borderType， 0.0，
alignPtr（&buf［0］，32）） 》= 0 ）
return;
}
#endif
//調(diào)動濾波引擎，正式進行高斯濾波操作
Ptr《FilterEngine》 f = createGaussianFilter（ src.type（）， ksize，sigma1， sigma2， borderType
?。?
f-》apply（ src， dst ）;
}
嗯，今天的源碼解析就到這里吧，原理部分學完，深入OpenCV源碼部分也學完，相信大家應該對OpenCV中的線性濾波有了比較詳細的認識，已經(jīng)躍躍欲試想看這個幾個函數(shù)用起來可以得出什么效果了。
三、淺出——線性濾波函數(shù)快速上手攻略
這一部分的內(nèi)容就是為了大家能快速上手 boxFilter、blur和GaussianBlur 這三個函數(shù)所準備的。還等什么呢，開始吧。
《1》boxFilter函數(shù)——方框濾波
boxFilter的函數(shù)作用是使用方框濾波（box filter）來模糊一張圖片，由src輸入，dst輸出。
函數(shù)原型如下：
C++： void boxFilter（InputArray src，OutputArray dst， int ddepth， Size ksize， Point
anchor=Point（-1，-1）， boolnormalize=true， int borderType=BORDER_DEFAULT ）
參數(shù)詳解如下：
第一個參數(shù)，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數(shù)對通道是獨立處
理的，且可以處理任意通道數(shù)的圖片，但需要注意，待處理的圖片深度應該為CV_8U， CV_16U， CV_16S，
CV_32F 以及 CV_64F之一。
第二個參數(shù)，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。
第三個參數(shù)，int類型的ddepth，輸出圖像的深度，-1代表使用原圖深度，即src.depth（）。
第四個參數(shù)，Size類型的ksize，內(nèi)核的大小。一般這樣寫Size（ w，h ）來表示內(nèi)核的大小（ 其中，w 為像
素寬度， h為像素高度）。Size（3，3）就表示3x3的核大小，Size（5，5）就表示5x5的核大小
第五個參數(shù)，Point類型的anchor，表示錨點（即被平滑的那個點），注意他有默認值Point（-1，-1）。如
果這個點坐標是負值的話，就表示取核的中心為錨點，所以默認值Point（-1，-1）表示這個錨點在核的中心
。
第六個參數(shù)，bool類型的normalize，默認值為true，一個標識符，表示內(nèi)核是否被其區(qū)域歸一化
?。╪ormalized）了。
第七個參數(shù)，int類型的borderType，用于推斷圖像外部像素的某種邊界模式。有默認值BORDER_DEFAULT
，我們一般不去管它。
調(diào)用代碼示范如下：
//載入原圖
Matimage=imread（“2.jpg”）;
//進行均值濾波操作
Matout;
boxFilter（image， out， -1，Size（5， 5））;
用上面三句核心代碼架起來的完整程序代碼：
//-----------------------------------【頭文件包含部
分】---------------------------------------
// 描述：包含程序所依賴的頭文件
//------------------------------------------------------------------------------------------
----
#include “opencv2/core/core.hpp”
#include“opencv2/highgui/highgui.hpp”
#include“opencv2/imgproc/imgproc.hpp”
//-----------------------------------【命名空間聲明部
分】---------------------------------------
// 描述：包含程序所使用的命名空間
//------------------------------------------------------------------------------------------
-----
using namespace cv;
//-----------------------------------【main（ ）函
數(shù)】--------------------------------------------
// 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始
//------------------------------------------------------------------------------------------
-----
int main（ ）
{
//載入原圖
Matimage=imread（“2.jpg”）;
//創(chuàng)建窗口
namedWindow（“均值濾波【原圖】” ）;
namedWindow（“均值濾波【效果圖】”）;
//顯示原圖
imshow（“均值濾波【原圖】”， image ）;
//進行濾波操作
Matout;
boxFilter（image， out， -1，Size（5， 5））;
//顯示效果圖
imshow（“均值濾波【效果圖】” ，out ）;
waitKey（0 ）;
}
運行效果圖（內(nèi)核大小Size（5， 5））：
《2》blur函數(shù)——均值濾波
blur的作用是對輸入的圖像src進行均值濾波后用dst輸出。
函數(shù)原型如下：
C++： void blur（InputArray src， OutputArraydst， Size ksize， Point anchor=Point（-1，-1）， int
borderType=BORDER_DEFAULT ）
參數(shù)詳解如下：
第一個參數(shù)，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。該函數(shù)對通道是獨立處
理的，且可以處理任意通道數(shù)的圖片，但需要注意，待處理的圖片深度應該為CV_8U， CV_16U， CV_16S，
CV_32F 以及 CV_64F之一。
第二個參數(shù)，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。比如可以用
Mat：：Clone，以源圖片為模板，來初始化得到如假包換的目標圖。
第三個參數(shù)，Size類型（對Size類型稍后有講解）的ksize，內(nèi)核的大小。一般這樣寫Size（ w，h ）來表示
內(nèi)核的大?。?其中，w 為像素寬度， h為像素高度）。Size（3，3）就表示3x3的核大小，Size（5，5）就表
示5x5的核大小
第四個參數(shù)，Point類型的anchor，表示錨點（即被平滑的那個點），注意他有默認值Point（-1，-1）。如果這個點坐標是負值的話，就表示取核的中心為錨點，所以默認值Point（-1，-1）表示這個錨點在核的中心。
第五個參數(shù)，int類型的borderType，用于推斷圖像外部像素的某種邊界模式。有默認值BORDER_DEFAULT
，我們一般不去管它。
調(diào)用代碼示范：
//載入原圖
Matimage=imread（“1.jpg”）;
//進行均值濾波操作
Matout;
blur（image， out， Size（7， 7））;
為了大家的理解和應用方便，還是給出用上面三句核心代碼架起來完整程序的代碼：
//-----------------------------------【頭文件包含部分】---------------------------------------
// 描述：包含程序所依賴的頭文件
//------------------------------------------------------------------------------------------
----
#include “opencv2/core/core.hpp”
#include“opencv2/highgui/highgui.hpp”
#include“opencv2/imgproc/imgproc.hpp”
#include 《stdio.h》
//-----------------------------------【命名空間聲明部分】---------------------------------------
// 描述：包含程序所使用的命名空間
//------------------------------------------------------------------------------------------
-----
using namespace cv;
//-----------------------------------【main（ ）函數(shù)】--------------------------------------------
// 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始
//------------------------------------------------------------------------------------------
-----
int main（ ）
{
//載入原圖
Matimage=imread（“1.jpg”）;
//創(chuàng)建窗口
namedWindow（“均值濾波【原圖】” ）;
namedWindow（“均值濾波【效果圖】”）;
//顯示原圖
imshow（“均值濾波【原圖】”， image ）;
//進行濾波操作
Matout;
blur（image， out， Size（7， 7））;
//顯示效果圖
imshow（“均值濾波【效果圖】” ，out ）;
waitKey（0 ）;
}
運行效果圖（內(nèi)核大小Size（7， 7））：
《3》GaussianBlur函數(shù)——高斯濾波
GaussianBlur函數(shù)的作用是用高斯濾波器來模糊一張圖片，對輸入的圖像src進行高斯濾波后用dst輸出。
函數(shù)原型如下：
C++： void GaussianBlur（InputArray src，OutputArray dst， Size ksize， double sigmaX， double
sigmaY=0， intborderType=BORDER_DEFAULT ）
參數(shù)詳解如下：
第一個參數(shù)，InputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可。它可以是單獨的任意通
道數(shù)的圖片，但需要注意，圖片深度應該為CV_8U，CV_16U， CV_16S， CV_32F 以及 CV_64F之一。
第二個參數(shù)，OutputArray類型的dst，即目標圖像，需要和源圖片有一樣的尺寸和類型。比如可以用
Mat：：Clone，以源圖片為模板，來初始化得到如假包換的目標圖。
第三個參數(shù)，Size類型的ksize高斯內(nèi)核的大小。其中ksize.width和ksize.height可以不同，但他們都必
須為正數(shù)和奇數(shù)?；蛘?，它們可以是零的，它們都是由sigma計算而來。
第四個參數(shù)，double類型的sigmaX，表示高斯核函數(shù)在X方向的的標準偏差。
第五個參數(shù)，double類型的sigmaY，表示高斯核函數(shù)在Y方向的的標準偏差。若sigmaY為零，就將它設為
sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height計算出來。
為了結(jié)果的正確性著想，最好是把第三個參數(shù)Size，第四個參數(shù)sigmaX和第五個參數(shù)sigmaY全部指定到。
第六個參數(shù)，int類型的borderType，用于推斷圖像外部像素的某種邊界模式。注意它有默認值
BORDER_DEFAULT。
調(diào)用示例：
//載入原圖
Matimage=imread（“1.jpg”）;
//進行濾波操作
Matout;
blur（image， out， Size（5， 5））;
用上面三句核心代碼架起來的完整程序代碼：
//-----------------------------------【頭文件包含部分】---------------------------------------
// 描述：包含程序所依賴的頭文件
//------------------------------------------------------------------------------------------
----
#include “opencv2/core/core.hpp”
#include“opencv2/highgui/highgui.hpp”
#include“opencv2/imgproc/imgproc.hpp”
#include 《stdio.h》
//-----------------------------------【命名空間聲明部分】---------------------------------------
// 描述：包含程序所使用的命名空間
//------------------------------------------------------------------------------------------
-----
using namespace cv;
//-----------------------------------【main（ ）函數(shù)】--------------------------------------------
// 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始
//------------------------------------------------------------------------------------------
-----
int main（ ）
{
//載入原圖
Matimage=imread（“1.jpg”）;
//創(chuàng)建窗口
namedWindow（“均值濾波【原圖】” ）;
namedWindow（“均值濾波【效果圖】”）;
//顯示原圖
imshow（“均值濾波【原圖】”， image ）;
//進行均值濾波操作
Matout;
GaussianBlur（image， out， Size（ 3， 3 ）， 0， 0 ）;
//顯示效果圖
imshow（“均值濾波【效果圖】” ，out ）;
waitKey（0 ）;
}
運行效果圖（內(nèi)核大小Size（5， 5））：
四、圖像線性濾波綜合示例 程序
依然是每篇文章都會配給大家的一個詳細注釋的博文配套示例程序，把這篇文章中介紹的知識點以代碼為載體，展現(xiàn)給大家。
這個示例程序中可以用軌跡條來控制三種線性濾波的核參數(shù)值，通過滑動滾動條，就可以控制圖像在三種線性濾波下的模糊度，有一定的可玩性。廢話不多說，上代碼吧：
//-----------------------------------【程序說明】----------------------------------------------
// 程序名稱：：【OpenCV入門教程之八】線性濾波專場：方框濾波、均值濾波與高斯濾波 配
套源碼
// 開發(fā)所用OpenCV版本：2.4.8
// 2014年3月31 日 Create by 淺墨
//------------------------------------------------------------------------------------------
------
//-----------------------------------【頭文件包含部分】---------------------------------------
// 描述：包含程序所依賴的頭文件
//------------------------------------------------------------------------------------------
----
#include 《opencv2/core/core.hpp》
#include《opencv2/highgui/highgui.hpp》
#include 《opencv2/imgproc/imgproc.hpp》
#include 《iostream》
//-----------------------------------【命名空間聲明部分】---------------------------------------
// 描述：包含程序所使用的命名空間
//------------------------------------------------------------------------------------------
-----
using namespace std;
using namespace cv;
//-----------------------------------【全局變量聲明部分】--------------------------------------
// 描述：全局變量聲明
//------------------------------------------------------------------------------------------
-----
Matg_srcImage，g_dstImage1，g_dstImage2，g_dstImage3;//存儲圖片的Mat類型
int g_nBoxFilterValue=3; //方框濾波參數(shù)值
int g_nMeanBlurValue=3; //均值濾波參數(shù)值
int g_nGaussianBlurValue=3; //高斯濾波參數(shù)值
//-----------------------------------【全局函數(shù)聲明部分】--------------------------------------
// 描述：全局函數(shù)聲明
//------------------------------------------------------------------------------------------
-----
//四個軌跡條的回調(diào)函數(shù)
static void on_BoxFilter（int， void *）; //均值濾波
static void on_MeanBlur（int， void *）; //均值濾波
static void on_GaussianBlur（int， void *）; //高斯濾波
//-----------------------------------【main（ ）函數(shù)】--------------------------------------------
// 描述：控制臺應用程序的入口函數(shù)，我們的程序從這里開始
//------------------------------------------------------------------------------------------
-----
int main（ ）
{
//改變console字體顏色
system（“color5E”）;
//載入原圖
g_srcImage= imread（ “1.jpg”， 1 ）;
if（！g_srcImage.data ） { printf（“Oh，no，讀取srcImage錯誤~！\n”）; return false; }
//克隆原圖到三個Mat類型中
g_dstImage1= g_srcImage.clone（ ）;
g_dstImage2= g_srcImage.clone（ ）;
g_dstImage3= g_srcImage.clone（ ）;
//顯示原圖
namedWindow（“【《0》原圖窗口】”， 1）;
imshow（“【《0》原圖窗口】”，g_srcImage）;
//=================【《1》方框濾波】==================
//創(chuàng)建窗口
namedWindow（“【《1》方框濾波】”， 1）;
//創(chuàng)建軌跡條
createTrackbar（“內(nèi)核值：”， “【《1》方框濾波】”，&g_nBoxFilterValue， 40，on_BoxFilter ）;
on_MeanBlur（g_nBoxFilterValue，0）;
imshow（“【《1》方框濾波】”， g_dstImage1）;
//================================================
//=================【《2》均值濾波】==================
//創(chuàng)建窗口
namedWindow（“【《2》均值濾波】”， 1）;
//創(chuàng)建軌跡條
createTrackbar（“內(nèi)核值：”， “【《2》均值濾波】”，&g_nMeanBlurValue， 40，on_MeanBlur ）;
on_MeanBlur（g_nMeanBlurValue，0）;
//================================================
//=================【《3》高斯濾波】=====================
//創(chuàng)建窗口
namedWindow（“【《3》高斯濾波】”， 1）;
//創(chuàng)建軌跡條
createTrackbar（“內(nèi)核值：”， “【《3》高斯濾波】”，&g_nGaussianBlurValue， 40，on_GaussianBlur ）;
on_GaussianBlur（g_nGaussianBlurValue，0）;
//================================================
//輸出一些幫助信息
cout《《endl《《“\t嗯。好了，請調(diào)整滾動條觀察圖像效果~\n\n”
《《“\t按下“q”鍵時，程序退出~！\n”
《《“\n\n\t\t\t\tby淺墨”;
//按下“q”鍵時，程序退出
while（char（waitKey（1））！= ‘q’） {}
return0;
}
//-----------------------------【on_BoxFilter（ ）函數(shù)】------------------------------------
// 描述：方框濾波操作的回調(diào)函數(shù)
//------------------------------------------------------------------------------------------
-----
static void on_BoxFilter（int， void *）
{
//方框濾波操作
boxFilter（g_srcImage， g_dstImage1， -1，Size（ g_nBoxFilterValue+1， g_nBoxFilterValue+1））;
//顯示窗口
imshow（“【《1》方框濾波】”， g_dstImage1）;
}
//-----------------------------【on_MeanBlur（ ）函數(shù)】------------------------------------
// 描述：均值濾波操作的回調(diào)函數(shù)
//------------------------------------------------------------------------------------------
-----
static void on_MeanBlur（int， void *）
{
//均值濾波操作
blur（g_srcImage， g_dstImage2， Size（ g_nMeanBlurValue+1， g_nMeanBlurValue+1），Point（-1，-1））;
//顯示窗口
imshow（“【《2》均值濾波】”， g_dstImage2）;
}
//-----------------------------【ContrastAndBright（ ）函
數(shù)】------------------------------------
// 描述：高斯濾波操作的回調(diào)函數(shù)
//------------------------------------------------------------------------------------------
-----
static void on_GaussianBlur（int， void *）
{
//高斯濾波操作
GaussianBlur（g_srcImage， g_dstImage3， Size（
g_nGaussianBlurValue*2+1，g_nGaussianBlurValue*2+1 ）， 0， 0）;
//顯示窗口
imshow（“【《3》高斯濾波】”， g_dstImage3）;
}
最后是一些運行截圖，原圖：
方框濾波：
均值濾波：
高斯濾波：
========
工商網(wǎng)監(jiān)
評論