技术标签: c++ 图像处理2(c++,opencv) 均值算法 opencv
数字图像处理c++ opencv(VS2019 opencv4.53)持续更新
线性空间滤波器在图像f和滤波器核w之间执行乘积之和运算。用邻域像素改变中心像素的灰度值大小。
相关以上面的滤波运算方法对图像进行遍历处即使w每个像素能够访问图像f中每个像素。卷积运算时将滤波器核w旋转180°再处理。
卷积相关都存在分配律,即:
当一个滤波器核w可以表示为两个向量的积时:
w = c r T w=cr^T w=crT
w就是一个可分离滤波器核。
比如盒式滤波器核(均值滤波):
可分离滤波器好处:
对于大小为MN的图像和大小为mn的滤波器核,进行滤波时要MNmn次乘法和加法运算。而分离为两个m和n的向量后,计算次数为MN(m+n)次,两种计算次数之比为:
C = M N m n M N ( m + n ) = m n m + n C=\frac{MNmn}{MN(m+n)}=\frac{mn}{m+n} C=MN(m+n)MNmn=m+nmn
大大减少计算次数。
一个3*3大小的盒式滤波器核如下:
使用盒式滤波器对图像进行滤波,代码如下(示例):
#include<iostream>
#include<opencv2/opencv.hpp>
#include"Salt.h"
using namespace cv;
using namespace std;
//定义盒式滤波函数
void myfilter(int filter_size, Mat& image_input, Mat& image_output);
int main()
{
Mat image, image_gray, image_output, image_output2; //定义输入图像,灰度图像,输出图像
image = imread("lena.png"); //读取图像;
if (image.empty())
{
cout << "读取错误" << endl;
return -1;
}
imshow("image", image);
cvtColor(image, image_gray, COLOR_BGR2GRAY);
Salt(image_gray, 1000); //添加噪声
imshow("image_gray", image_gray);
//自己编写的程序
int filter_size = 7; //滤波器大小
myfilter(filter_size, image_gray, image_output);
//opencv自带程序
blur(image_gray, image_output2, Size(7, 7));
imshow("image_output", image_output);
imshow("image_output2", image_output2);
waitKey(0); //暂停,保持图像显示,等待按键结束
return 0;
}
//实现盒式滤波
void myfilter(int filter_size, Mat& image_input, Mat& image_output)
{
image_output = image_input.clone();
int k = (filter_size-1) / 2;
for (int i = k; i < (image_input.rows - k); i++)
{
for (int j = k; j < (image_input.cols - k); j++)
{
int sum = 0;
for (int m = -k; m < k + 1; m++)
{
for (int n = -k; n < k + 1; n++)
{
sum = sum + image_input.at<uchar>(i + m, j + n) ;
}
}
image_output.at<uchar>(i, j) = round(sum / (filter_size * filter_size));
}
}
}
噪声程序.h文件
#pragma once
#include<iostream>
#include<opencv2/opencv.hpp>
#include <random>
using namespace cv;
using namespace std;
void Salt(Mat image, int n);
噪声程序.cpp文件
#include "Salt.h"
void Salt(Mat image, int n)
{
default_random_engine generater;
uniform_int_distribution<int>randomRow(0, image.rows - 1);
uniform_int_distribution<int>randomCol(0, image.cols - 1);
int i, j;
for (int k = 0; k < n; k++)
{
i = randomCol(generater);
j = randomRow(generater);
if (image.channels() == 1)
{
image.at<uchar>(j, i) = 255;
}
else if (image.channels() == 3)
{
image.at<Vec3b>(j, i)[0] = 255;
image.at<Vec3b>(j, i)[1] = 255;
image.at<Vec3b>(j, i)[2] = 255;
}
}
}
结果:
文章浏览阅读110次。脑裂:一个集群中的不同节点对于集群的状态有了不一样的理解ES集群的总体状态是red,本来9个节点的集群在结果中只显示4个节点在线;正常情况下,集群中的所有节点应该对集群中的master的选择是一致的,这样获得的状态信息也应该是一致的,不一样的状态信息,说明不同的节点对master的选择出现了异常-----也就是所谓的脑裂问题,这样的脑裂状态直接让节点失去了集群的正确状态,导致集群不能..._es脑裂问题
文章浏览阅读2.2k次,点赞11次,收藏26次。实验2 时间片转轮进程调度1.实验目的和要求(1)掌握时间片轮转进程调度的概念和算法。(2)加深对处理机分配的理解。2.实验内容在Visual C++ 6.0集成开发环境下使用C语言,利用相应的 Win32API函数﹐编写程序实现时间片轮转进程调度算法,学会运行程序和中断当前程序的运行。3.实验原理与提示轮转法就是按一定时间片(记为q)轮番运行各个进程。如果q是一个定值,则轮转法是一种对各进程机会均等的调度方法。进程调度算法的数据结构主要有:进程函数定义,建立进程函数,进程调度函数_在visual c++6.0集成开发环境下使用c语言,利用相应的win32api函数,编写程序实
文章浏览阅读9.1k次,点赞15次,收藏57次。目录以SMOS L3 土壤水分产品数据为例EASE-Grid2.0 不同分辨率网格参数使用maprefcells创建对应网格参照系转换后的tiff文件检查以SMOS L3 土壤水分产品数据为例SMOS L3 级土壤水分产品是 .nc 格式的,分辨率为25km,要将其转换为geotiff格式的,这里有两种方法。第一种方法是最简单的,在网上找一个EASE-Grid2.0 25km的 .tif 模..._ease-grid 2.0 投影
文章浏览阅读780次。很多人表面上看着老实巴交的,实际上内心比谁都好强、自负、虚荣、甚至阴险。工作中见的多了,也就习惯了。有一些人,什么事都写在脸上,表面上经常得罪人,甚至让人讨厌。但是他们所表现的又未必不是真性情。我相信大多数人都看过《豪门夜宴》这部香港老电影。张学友、梁朝伟演的拍马屁的场景太有意思了,其中有这样一段:当两马屁精帮老板说出主意,老板马上叫停,然后拍一下脑门:“哦。。。我想到
文章浏览阅读1.4w次。使 WebBrowser 更简单的新加和执行 js, 可安装 jQuery 脚本的 C# 开源代码 - IEBrowse..._webbrowser 添加js
文章浏览阅读369次。一.下午1点到5点半,iPhone的application介绍会,做了4个简单的application,确实很有意思。二.以下共有三种方法,只有第三种方法成功了1.You can program the Objective-C without MacBook.Please refer the below link to install Objective-C compiler in you Ubu..._ubuntu没能处理object code的程序
文章浏览阅读82次。《2009-计算机控制系统考试题》由会员分享,可在线阅读,更多相关《2009-计算机控制系统考试题(3页珍藏版)》请在人人文库网上搜索。1、共12题,选作10题,共100分。开卷。1 简述SHANNON采样定理。(4分)在离散时间实时控制系统中使用香农采样定理时应注意哪些问题?为什么?(6分)2 Z变换是如何定义的?(5分)对离散时间动态系统进行分析和设计时,为什么要使用Z变换?(5分)3 已知差..._计算机控制系统 试题
文章浏览阅读5.2k次,点赞3次,收藏16次。引用外文文献时,自己手动改很头疼,没引用一个,都要对照格式对不对,并且期刊、报告、会议、图书的格式都不同,费时费力;并且很多文献来自荒郊野外,也不确定自己造的引文格式对不对;使用EndNote则摆脱了这个烦恼。_学位论文 gb7714 endnote
文章浏览阅读8.4k次,点赞5次,收藏8次。什么是横向扩展、纵向扩展?横向扩展英文简称:Scale Out,全称:Scale horizontally,横向扩展,向外扩展。纵向扩展英文简称:Scale Up,全称:Scale vertically,纵向扩展,向上扩展。不管横向扩展还是纵向扩展都是一种架构的概念。横向扩展:比如可以增加一台节点/机器 比如:mysql新增加一个从库、tomcat新增加一台机器;纵向扩展:比如可以通过修改mysql参数内存比例、修改tomcat的线程数;注:如果纵向扩展升级硬件比如CPU升级成6.._横向拓展
文章浏览阅读2.1k次。有时候会遇到模态框中弹另外一个模态框的时候,若是旧模态框需要隐藏的时候,直接在点击事件里加上$('#aaa').modal('hide')即可,若是想旧模态框一直保持,但是新模态框也要弹出,这样的话,新模态框z-index应该大于旧模态框;若是 div中load模态框的话,必须把加载新模态框的div放在加载旧模态框的div之后才能生效。..._vue 模态框 再弹模态框有什么限制
文章浏览阅读6.5k次。 1.执行jar包的命令和在windows操作系统上是一样的,都是java -jar xxxx.jar。2.将jar程序设置成后台运行,并且将标准输出的日志重定向至文件AccessLOG.log。打开jar文件:Vim xxx.jar 找配置文件 :/config:wq 退出nohup java -jar AccessControlService-0.0.1-SNA..._java -jar access rizhi
文章浏览阅读1.6k次。描述赛马是一古老的游戏,早在公元前四世纪的中国,处在诸侯割据的状态,历史上称为“战国时期”。在魏国作官的孙膑,因为受到同僚庞涓的迫害,被齐国使臣救出后,到达齐国国都。 赛马是当时最受齐国贵族欢迎的娱乐项目。上至国王,下到大臣,常常以赛马取乐,并以重金赌输赢。田忌多次与国王及其他大臣赌输赢,屡赌屡输。一天他赛马又输了,回家后闷闷不乐。孙膑安慰他说:“下次有机会带我到马场看看,也许我能帮你_python渊子赛马