opencv二值化图像去噪学习总结

　　OpenC++V于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS *** 作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。最新版本是3.3 ，2017年8月3日发布。

　　OpenCV 拥有包括 500 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。

　　OpenCV 为Intel® Integrated Performance PrimiTIves （IPP） 提供了透明接口。 这意味着如果有为特定处理器优化的 IPP 库， OpenCV 将在运行时自动加载这些库。

　　（注：OpenCV 2.0版的代码已显著优化，无需IPP来提升性能，故2.0版不再提供IPP接口）

　　二值化是图像分割的一种方法。在二值化图象的时候把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。

　　根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有：双峰法、P参数法、迭代法和OTSU法等。

　　以下是opencv 图像去噪学习总结 　　OpenCV图像处理篇之图像平滑

　　图像平滑算法

　　程序分析及结果

　　图像平滑算法

　　图像平滑与图像模糊是同一概念，主要用于图像的去噪。平滑要使用滤波器，为不改变图像的相位信息，一般使用线性滤波器，其统一形式如下：

　　其中h称为滤波器的核函数，说白了就是权值。不同的核函数代表不同的滤波器，有不同的用途。

　　在图像处理中，常见的滤波器包括：

　　归一化滤波器（Homogeneous blur）

　　也是均值滤波器，用输出像素点核窗口内的像素均值代替输出点像素值。

　　高斯滤波器（Guassian blur）是实际中最常用的滤波器，高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积将卷积和当作输出像素值。高斯核相当于对输出像素的邻域赋予不同的权值，输出像素点所在位置的权值最大（对应高斯函数的均值位置）。二维高斯函数为，

　　中值滤波器（median blur）

　　中值滤波将图像的每个像素用邻域（以当前像素为中心的正方形区域）像素的中值代替。对椒盐噪声最有效的滤波器，去除跳变点非常有效。

　　双边滤波器（Bilatrial blur）

　　为避免滤波器平滑图像去噪的同时使边缘也模糊，这种情况下使用双边滤波器。

　　下面的程序将先给标准Lena图像添加椒盐噪声，分别使用4种不同的滤波器进行平滑 *** 作，请注意观察不

　　同滤波器对椒盐噪声的去噪效果！

　　程序分析及结果

　　/*

　　* FileName ： image_smoothing.cpp

　　* Author ： xiahouzuoxin @163.com

　　* Version ： v1.0

　　* Date ： Wed 17 Sep 2014 08:30:25 PM CST

　　* Brief ：

　　*

　　* Copyright （C） MICL，USTB

　　*/

　　#include “cv.h”

　　#include “imgproc/imgproc.hpp”

　　#include “highgui/highgui.hpp”

　　using namespace std;

　　using namespace cv;

　　const int MAX_KERNEL_LENGTH = 10;

　　const char *wn_name = “Smoothing”;

　　staTIc void salt（Mat &I， int n）;

　　staTIc void disp_capTIon（const char *wn_name， Mat src， const char *caption）;

　　static void disp_image（const char *wn_name， Mat I）;

　　/*

　　* @brief

　　* @inputs

　　* @outputs

　　* @retval

　　*/

　　int main（int argc， char *argv［］）

　　{

　　if （argc《2） {

　　cout《《“Usage： 。/image_smoothing ［file name］”《《endl;

　　return -1;

　　}

　　Mat I = imread（argv［1］， CV_LOAD_IMAGE_GRAYSCALE）;

　　salt（I， 6000）;

　　imshow（wn_name， I）;

　　waitKey（0）;

　　Mat dst; // Result

　　/* Homogeneous blur */

　　disp_caption（wn_name， I， “Homogeneous blur”）;

　　for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {

　　blur（I， dst， Size（i， i）， Point（-1，-1））;

　　disp_image（wn_name， dst）;

　　}

　　/* Guassian blur */

　　disp_caption（wn_name， I， “Gaussian blur”）;

　　for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {

　　GaussianBlur（I， dst， Size（i， i）， 0， 0）;

　　disp_image（wn_name， dst）;

　　}

　　/* Median blur */

　　disp_caption（wn_name， I， “Median blur”）;

　　for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {

　　medianBlur（I， dst， i）;

　　disp_image（wn_name， dst）;

　　}

　　/* Bilatrial blur */

　　disp_caption（wn_name， I， “Bilatrial blur”）;

　　for （int i=1; i《MAX_KERNEL_LENGTH; i+=2） {

　　bilateralFilter（I， dst， i， i*2， i/2）;

　　disp_image（wn_name， dst）;

　　}

　　waitKey（0）;

　　return 0;

　　}

　　/*

　　* @brief 显示提示文字（滤波方法）

　　* @inputs

　　* @outputs

　　* @retval

　　*/

　　static void disp_caption（const char *wn_name， Mat src， const char *caption）

　　{

　　Mat dst = Mat：：zeros（src.size（）， src.type（））;

　　putText（dst， caption， Point（src.cols/4， src.rows/2）， CV_FONT_HERSHEY_COMPLEX， 1， Scalar

　　（255，255，255））;

　　imshow（wn_name， dst）;

　　waitKey（0）;

　　}

　　/*

　　* @brief 显示图像

　　* @inputs

　　* @outputs

　　* @retval

　　*/

　　static void disp_image（const char *wn_name， Mat I）

　　{

　　imshow（wn_name， I）;

　　waitKey（1000）;

　　}

　　/*

　　* @brief 添加椒盐噪声

　　* @inputs

　　* @outputs

　　* @retval

　　*/

　　static void salt（Mat &I， int n=3000）

　　{

　　for （int k=0; k《n; k++） {

　　int i = rand（） % I.cols;

　　int j = rand（） % I.rows;

　　if （I.channels（）） {

　　I.at《uchar》（j，i） = 255;

　　} else {

　　I.at《Vec3b》（j，i）［0］ = 255;

　　I.at《Vec3b》（j，i）［1］ = 255;

　　I.at《Vec3b》（j，i）［2］ = 255;

　　}

　　}

　　}

　　上面程序的逻辑非常清晰：

　　读入灰度图，并添加椒盐噪声（6000个噪声点）：

　　Mat I = imread（argv［1］， CV_LOAD_IMAGE_GRAYSCALE）;

　　salt（I， 6000）;

　　LenaNoise

　　disp_caption和disp_image函数分别是用于显示提示文字和平滑过程中的变化图像的，平滑过程中图像的

　　变化如下图：

　　blur

　　注意观察上面的图，中值滤波（Median Blur）对椒盐噪声的效果最好！

　　四种滤波方法分别使用到4个OpenCV函数，这些函数的声明都在imgproc.hpp中，这些函数的前2个参数都

　　是原图像和滤波后图像。

　　归一化滤波器blur的第3个参数为滤波核窗口的大小，Size（i，i）表示ixi大小的窗口。

　　高斯滤波器GaussianBlur第3个参数也是滤波核窗口的大小，第4、第5个参数分辨表示x方向和y方向的δ。

　　中值滤波器medianBlur第3个参数是滤波器的长度，该滤波器的窗口为正方形。

　　双边滤波器的函数原型如下：

　　//！ smooths the image using bilateral filter

　　CV_EXPORTS_W void bilateralFilter（ InputArray src， OutputArray dst， int d，

　　double sigmaColor， double sigmaSpace，

　　int borderType=BORDER_DEFAULT ）;

　　本程序使用的Makefile文件为：

　　TARG=image_smoothing

　　SRC=image_smoothing.cpp

　　LIB=-L/usr/local/lib/

　　INC=-I/usr/local/include/opencv/ -I/usr/local/include/opencv2

　　CFLAGS=

　　$（TARG）：$（SRC）

　　g++ -g -o $@ ${CFLAGS} $（LIB） $（INC） \

　　-lopencv_core -lopencv_highgui -lopencv_imgproc \

　　$^

　　.PHONY:clean

　　clean：

　　-rm $（TARG） tags -f

　　========