OpenCV学习方框滤波如何实现图像处理

这篇文章将为大家详细讲解有关OpenCV学习方框滤波如何实现图像处理，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

一、方框滤波

   方框滤波是均值滤波的一种形式。在均值滤波中,滤波结果的像素值是任意一个点的邻域平均值,等于各邻域像素值之和的均值,而在方框滤波中,可以自由选择是否对均值滤波的结果进行归一化,即可以自由选择滤波结果是邻域像素值之和的平均值,还是邻域像素值之和。

二、C++代码

#include #include using namespace cv;using namespace std;int main(){        //---------------------------用于方框滤波的图像--------------------        Mat img = imread("1.jpg");         if (img.empty())        {                cout << "请确认图像文件名称是否正确" << endl;                return -1;        }               //将CV_8U类型转换成CV_32F类型，避免计算后的数据过大        Mat equalImg_32F;        img.convertTo(equalImg_32F, CV_32F, 1.0 / 255);        Mat resultNorm, result, equalImg_32FSqr;        //--------------------------方框滤波boxFilter----------------------        boxFilter(img, resultNorm, -1, Size(3, 3), Point(-1, -1), true);  // 进行归一化，则为均值滤波        boxFilter(img, result, -1, Size(3, 3), Point(-1, -1), false);     // 不进行归一化        //----------------------方框滤波sqrBoxFilter()---------------------        //对每个像素数值的平方求和/求均值        sqrBoxFilter(equalImg_32F, equalImg_32FSqr, -1, Size(3, 3), Point(-1, -1), true, BORDER_CONSTANT);        //-------------------------显示处理结果----------------------------        imshow("原始图像", img);        imshow("归一化", resultNorm);        imshow("不归一化", result);        imshow("平方和求均值", equalImg_32FSqr);        waitKey(0);        return 0;}

三、python代码

import cv2import matplotlib.pyplot as plt# 读取图片img = cv2.imread('1.jpg')# BGR转为RGB，方便plot函数显示source = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)# 方框滤波，True表示归一化，则效果与均值滤波相同。result = cv2.boxFilter(source, -1, (5, 5), normalize=False)# sqrBoxFilter实现对每个像素值的平方求和# result1 = cv2.sqrBoxFilter(source, -1, (5, 5), normalize=True)# 显示图形titles = ['Source Image', 'BoxFilter Image']images = [source, result]for i in range(2):    plt.subplot(1, 2, i + 1), plt.imshow(images[i], 'gray')    plt.title(titles[i])    plt.xticks([]), plt.yticks([])plt.show()

四、结果展示

1、原始图像

2、归一化

3、不归一化

4、平方和求均值

关于"OpenCV学习方框滤波如何实现图像处理"这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。