opnecv日記_GaussianBlur函數——高斯濾波 中文解釋參數含義

參考： http://m.blog.csdn.net/blog/cau_eric/27710423

 

函數原型:

    void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT);

 

參數詳解以下：

    src，輸入圖像，即源圖像，填Mat類的對象便可。它能夠是單獨的任意通道數的圖片，但須要注意，圖片深度應該爲CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

    dst，即目標圖像，須要和源圖片有同樣的尺寸和類型。好比能夠用Mat::Clone，以源圖片爲模板，來初始化獲得如假包換的目標圖。

    ksize，高斯內核的大小。其中ksize.width和ksize.height能夠不一樣，但他們都必須爲正數和奇數（並不能理解）。或者，它們能夠是零的，它們都是由sigma計算而來。

    sigmaX，表示高斯核函數在X方向的的標準誤差。

    sigmaY，表示高斯核函數在Y方向的的標準誤差。若sigmaY爲零，就將它設爲sigmaX，若是sigmaX和sigmaY都是0，那麼就由ksize.width和ksize.height計算出來。

    爲告終果的正確性着想，最好是把第三個參數Size，第四個參數sigmaX和第五個參數sigmaY所有指定到。

    borderType，用於推斷圖像外部像素的某種邊界模式。注意它有默認值BORDER_DEFAULT。

 

ps:

    高斯核函數：本身找找看，其實看上去就是普通的正態分佈函數形式。

    我猜ksize是模糊半徑的意思，水平方向和豎直方向的半徑不同，須要指定。

    標準誤差就是標準誤差……

 

英文：

Parameters:

    src – input image; the image can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.

    dst – output image of the same size and type as src.

    ksize – Gaussian kernel size. ksize.width and ksize.height can differ but they both must be positive and odd. Or, they can be zero’s and then they are computed from sigma* .

    sigmaX – Gaussian kernel standard deviation in X direction.

    sigmaY – Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height , respectively (see getGaussianKernel() for details); to fully control the result regardless of possible future modifications of all this semantics, it is recommended to specify all of ksize, sigmaX, and sigmaY.

    borderType – pixel extrapolation method (see borderInterpolate() for details).

 

Demo:

#include "cv.h"

#include "highgui.h"

using namespace cv;

 

int main(int argc, char** argv) {

    Mat img, gray, edges;

    img = imread(argv[1]);

    cvtColor(img, gray, CV_BGR2GRAY);

    GaussianBlur(gray, gray, Size(13, 13), 2, 2);

    imshow("gray", gray);

    waitKey(0);

    return 0;

}

 

運行方法：

> g++ demo.cpp -o demo `pkg-config --cflags --libs opencv`

> ./demo 1.png

 

結果：

當ksize：(5, 5) -> (9, 9) -> (13, 13)時，

 

後二者差異已經很小了。

當sigmaX, sigmaY由(1, 1) -> (2, 2) -> (3, 3)時，

變化會明顯不少～