opencv学习（3）——高斯平滑图像

#include "stdafx.h"
#include "highgui.h"
#include "cv.h"
#include <fstream>
#include <iostream> 
using namespace std;
void example2_4( IplImage* image )
{
    cvNamedWindow( "Example2_4-in", CV_WINDOW_AUTOSIZE );
    cvNamedWindow( "Example2_4-out", CV_WINDOW_AUTOSIZE );
    cvShowImage( "Example2_4-in", image );
    IplImage* out = cvCreateImage(
        cvGetSize(image),
        IPL_DEPTH_8U,
        3
    );
    cvSmooth( image, out, CV_GAUSSIAN, 5,5 );
    cvSmooth( out, out, CV_GAUSSIAN, 5, 5);
    cvShowImage( "Example2_4-out", out );
    cvReleaseImage( &out );
    cvWaitKey( 0 ); 
    cvDestroyWindow("Example2_4-in" );
    cvDestroyWindow("Example2_4-out" );
    
}

int main( int argc, char** argv )
{
  IplImage* img = cvLoadImage("Lena.jpg" );
  cvNamedWindow("Example1", CV_WINDOW_AUTOSIZE );
  cvShowImage("Example1", img );
  example2_4( img );
  cvReleaseImage( &img );
  cvDestroyWindow("Example1");
}

cvSmooth函数用法

定义原型

void cvSmooth(

const CvArr* src,

CvArr* dst,

int smoothtype=CV_GAUSSIAN, 

int param1,

int param2,

double param3,

double param4 );

 

src:输入图像.

 

dst:输出图像.

 

smoothtype平滑方法:

                                  CV_BLUR_NO_SCALE(简单不带尺度变换的模糊) - -对每个象素的 param1×param2 领域求和。如果邻域大小是变化的,可以事先利用函数 cvIntegral 计算积分图像。

                                   CV_BLUR (simple blur)- -对每个象素param1×param2邻域求和并做尺度变换 1/(param1×param2)。

                                    CV_GAUSSIAN(gaussian blur) - -对图像进行核大小为 param1×param2 的高斯卷积。                              

                                    CV_MEDIAN(median blur) - -对图像进行核大小为param1×param1 的中值滤波 (邻域是方的)。                           

                                    CV_BILATERAL(双向滤波) - -应用双向 3x3 滤波，彩色 sigma=param1，空间 sigma=param2.。

 

param1 平滑操作的第一个参数.

 

param2 平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况，如果param2的值为零，则表示其被设定为param1。

 

param3 对应高斯参数的 Gaussian sigma (标准差). 如果为零，则标准差由下面的核尺寸计算： sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核,n=param2 对应垂直核. 对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma 速度会快。如果 param3 不为零，而 param1 和 param2 为零，则核大小由sigma 计算 (以保证足够精确的操作).

  

 

函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。    没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。   简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以（in-place）方式处理图像。   中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以 in-place 方式处理图像.