八、线性滤波

typedef _Tp value_type;

//不同的构造函数定义 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); //区域(width*height) _Tp area() const;

//转化另一种数据类型。

template operator Size_<_Tp2>() const; //转换为旧式的OpenCV类型. operator CvSize() const;

operator CvSize2D32f() const;

_Tp width, height; //宽度和高度，常用属性 };

可以看到Size_模板类的内部又是重载了一些构造函数以满足我们的需要，其中，我们用得最多的是如下这个构造函数： [cpp] view plain copy print? Size_(_Tp _width, _Tp _height);

另外，代码末尾定义了模板类型的宽度和高度： [cpp] view plain copy print? _Tp width, height; //宽度和高度

于是我们可以用XXX.width和XXX.height来分别表示其宽度和高度。 给大家一个示例，方便理解： [cpp] view plain copy print? Size(5, 5)；//构造出的Size宽度和高度都为5，即XXX.width和XXX.height都为5

<4>OpenCV中blur函数源码剖析

我们可以在OpenCV的安装路径的\\sources\\modules\\imgproc\\src下的smooth.cpp源文件中找到blur的源代码。对应于浅墨将OpenCV 2.4.8安装在D:\\Program Files\\opencv下，那么，smooth.cpp文件就在D:\\ProgramFiles\\opencv\\sources\\modules\\imgproc\\src路径下。 一起来看一下OpenCV中blur函数定义的真面目：

[cpp] view plain copy print? //-----------------------------------【blur（）函数中文注释版源代码】---------------------------- // 代码作用：进行blur均值滤波操作的函数

// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码 // OpenCV源代码版本：2.4.8

// 源码路径：…\\opencv\\sources\\modules\\imgproc\\src\\smooth.cpp // 源文件中如下代码的起始行数：738行 // 中文注释by浅墨

//--------------------------------------------------------------------------------------------------------

void cv::blur(InputArray src, OutputArray dst, Size ksize, Point anchor, int borderType ) {

//调用boxFilter函数进行处理

boxFilter( src, dst, -1, ksize, anchor, true, borderType ); }

可以看到在blur函数内部就是调用了一个boxFilter函数，且第六个参数为true，即我们上文所说的normalize=true，即均值滤波是均一化后的方框滤波。

<5>OpenCV中GaussianBlur函数源码剖析

最后，我们看一下OpenCV中GaussianBlur函数源代码： [cpp] view plain copy print? //-----------------------------------【GaussianBlur（）函数中文注释版源代码】----------------------- // 代码作用：封装高斯滤波的GaussianBlur（）函数

// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码 // OpenCV源代码版本：2.4.8

// 源码路径：…\\opencv\\sources\\modules\\imgproc\\src\\smooth.cpp // 源文件中如下代码的起始行数：832行 // 中文注释by浅墨

//--------------------------------------------------------------------------------------------------------

void cv::GaussianBlur( InputArray _src,OutputArray _dst, Size ksize, double sigma1, doublesigma2, int borderType ) {

//拷贝形参Mat数据到临时变量，用于稍后的操作 Mat src = _src.getMat();

_dst.create( src.size(), src.type() ); Mat dst =_dst.getMat();

//处理边界选项不为BORDER_CONSTANT时的情况 if( borderType != BORDER_CONSTANT ) {

if( src.rows == 1 ) ksize.height = 1; if( src.cols == 1 )

ksize.width = 1; }

//若ksize长宽都为1，将源图拷贝给目标图 if( ksize.width == 1 && ksize.height == 1 ) {

src.copyTo(dst); return; }

//若之前有过HAVE_TEGRA_OPTIMIZATION优化选项的定义，则执行宏体中的tegra优化版函数并返回

#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为真，则执行宏体中语句 #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 buf(bufSize+128);

if( ippiFilterGaussBorder_32f_C1R((const Ipp32f *)src.data,(int)src.step, (Ipp32f *)dst.data, (int)dst.step, roi,ksize.width, (Ipp32f)sigma1, (IppiBorderType)borderType, 0.0, alignPtr(&buf[0],32)) >= 0 ) return; } #endif

//调动滤波引擎，正式进行高斯滤波操作

Ptr f = createGaussianFilter( src.type(), ksize,sigma1, sigma2, borderType ); f->apply( src, dst ); }

三、浅出——线性滤波函数快速上手攻略

这一部分的内容就是为了大家能快速上手boxFilter、blur和GaussianBlur这三个函数所准备的。还等什么呢，开始吧。

<1>boxFilter函数——方框滤波

boxFilter的函数作用是使用方框滤波（box filter）来模糊一张图片，由src输入，dst输出。 函数原型如下：

[cpp] view plain copy print? C++: void boxFilter(InputArray src,OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), boolnormalize=true, int borderType=BORDER_DEFAULT )

参数详解如下：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。 第三个参数，int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。 第四个参数，Size类型的ksize，内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

第六个参数，bool类型的normalize，默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了。

第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

调用代码示范如下： [cpp] view plain copy print? //载入原图

Mat image=imread(\//进行均值滤波操作 Mat out;

boxFilter(image, out, -1,Size(5, 5));

用上面三句核心代码架起来的完整程序代码： [cpp] view plain copy print? //-----------------------------------【头文件包含部分】--------------------------------------- // 描述：包含程序所依赖的头文件

//---------------------------------------------------------------------------------------------- #include \

#include\#include\

//-----------------------------------【命名空间声明部分】---------------------------------------

// 描述：包含程序所使用的命名空间

//----------------------------------------------------------------------------------------------- using namespace cv;

//-----------------------------------【main( )函数】-------------------------------------------- // 描述：控制台应用程序的入口函数，我们的程序从这里开始 //----------------------------------------------------------------------------------------------- int main( ) {

//载入原图

Mat image=imread(\

//创建窗口

namedWindow(\均值滤波【原图】\ namedWindow(\均值滤波【效果图】\ //显示原图

imshow(\均值滤波【原图】\ //进行滤波操作 Mat out;

boxFilter(image, out, -1,Size(5, 5)); //显示效果图

imshow(\均值滤波【效果图】\ waitKey(0 ); }

运行效果图（内核大小Size(5, 5)）：

<2>blur函数——均值滤波

blur的作用是对输入的图像src进行均值滤波后用dst输出。 函数原型如下：

[cpp] view plain copy print? C++: void blur(InputArray src, OutputArraydst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )