Opencv-快速的图像边缘滤波算法

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Opencv-快速的图像边缘滤波算法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2028字，纯文字阅读大概需要3分钟。

内容图文

快速的图像边缘滤波算法

• 知识点
• python代码
• c++代码

知识点

快速的图像边缘滤波算法
高斯双边模糊与mean shift均值模糊两种边缘保留滤波算法，都因为计算量比较大，无法实时实现图像边缘保留滤波，限制了它们的使用场景，OpenCV中还实现了一种快速的边缘保留滤波算法。高斯双边与mean shift均值在计算时候使用五维向量是其计算量大速度慢的根本原因，该算法通过等价变换到低纬维度空间，实现了数据降维与快速计算。

OpenCV API函数为：
void cv::edgePreservingFilter(
InputArray src,
OutputArray dst,
int flags = 1,
float sigma_s = 60,
float sigma_r = 0.4f
)

Python:
dst = cv.edgePreservingFilter( src[, dst[, flags[, sigma_s[, sigma_r]]]])

其中sigma_s的取值范围为0～200， sigma_r的取值范围为0～1
当sigma_s取值不变时候，sigma_r越大图像滤波效果越明显
当sigma_r取值不变时候，窗口sigma_s越大图像模糊效果越明显
当sgma_r取值很小的时候，窗口sigma_s取值无论如何变化，图像双边滤波效果都不好！

python代码

import cv2 as cv
import numpy as np
import time

src = cv.imread("C:/Users/qqxd/Desktop/opencvcode/images/example.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
h, w = src.shape[:2]
#计算程序运行时间
start = time.clock()
dst = cv.edgePreservingFilter(src, sigma_s=100, sigma_r=0.4, flags=cv.RECURS_FILTER)
end = (time.clock()-start)
print("running time is %f" % (end))
result = np.zeros([h, w*2, 3], dtype=src.dtype)
result[0:h,0:w,:] = src
result[0:h,w:2*w,:] = dst
cv.imshow("result", result)
# cv.imwrite("D:/result.png", result)


cv.waitKey(0)
cv.destroyAllWindows()

c++代码

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int artc, char** argv) {
	Mat src = imread("C:/Users/qqxd/Desktop/opencvcode/images/example.png");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);

	Mat dst;
	double tt = getTickCount();
	edgePreservingFilter(src, dst, 1, 60, 0.44);
	//计算程序运行时间
	double end = (getTickCount() - tt) / getTickFrequency();
	printf("time consume : %f\n ", end);
	imshow("result", dst);

	waitKey(0);
	return 0;
}

运行结果如下：

内容总结

以上是互联网集市为您收集整理的Opencv-快速的图像边缘滤波算法全部内容，希望文章能够帮你解决Opencv-快速的图像边缘滤波算法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---