opencv实验空域滤波.docx
《opencv实验空域滤波.docx》由会员分享，可在线阅读，更多相关《opencv实验空域滤波.docx（20页珍藏版）》请在冰豆网上搜索。
opencv实验空域滤波
实验名称
实验3：
空域滤波
实验目的
1.掌握利用模板对图像进行空域滤波操作，熟练掌握常用空域模板的使用。
2.掌握图像平滑的空域方法，熟练掌握均值模板和高斯模板平滑图像
3.掌握图像锐化的空域方法，熟练掌握Laplacian、Robert、Sobel模板锐化图像
4.掌握利用高提升滤波算法对图像进行增强
实验内容
1、利用均值模板平滑灰度图像。
具体内容：
利用OpenCV对图像像素进行操作，分别利用3*3、5*5和9*9尺寸的均值模板平滑灰度图像
2、利用高斯模板平滑灰度图像。
具体内容：
利用OpenCV对图像像素进行操作，分别利用3*3、5*5和9*9尺寸的高斯模板平滑灰度图像
3、利用Laplacian、Robert、Sobel模板锐化灰度图像。
具体内容：
利用OpenCV对图像像素进行操作，分别利用Laplacian、Robert、Sobel模板锐化灰度图像
4、利用高提升滤波算法增强灰度图像。
具体内容：
利用OpenCV对图像像素进行操作，设计高提升滤波算法增强图像
5、利用均值模板平滑彩色图像。
具体内容：
利用OpenCV分别对图像像素的RGB三个通道进行操作，利用3*3、5*5和9*9尺寸的均值模板平滑彩色图像
6、利用高斯模板平滑彩色图像。
具体内容：
利用OpenCV分别对图像像素的RGB三个通道进行操作，分别利用3*3、5*5和9*9尺寸的高斯模板平滑彩色图像
7、利用Laplacian、Robert、Sobel模板锐化彩色图像。
具体内容：
利用OpenCV分别对图像像素的RGB三个通道进行操作，分别利用Laplacian、Robert、Sobel模板锐化彩色图像
实验完成情况
1、完成实验，利用均值模板实现平滑灰度图像处理。
实验代码如下：
IplImage*Average_smooth_cx（IplImage*src,intnub）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvSmooth（src,dst,CV_BLUR,nub）;
returndst;
}
其中nub选择空间滤波模板的大小
利用3*3尺寸的均值模板平滑灰度图像
实验结果如图：
利用5*5尺寸的均值模板平滑灰度图像
实验结果如图：
利用9*9尺寸的均值模板平滑灰度图像
实验结果如图：
2、完成实验，利用高斯模板实现平滑灰度图像处理。
实验代码如下：
IplImage*Gaussian_smooth_cx（IplImage*src,intnub）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvSmooth（src,dst,CV_GAUSSIAN,nub）;
returndst;
}
其中nub选择空间滤波模板的大小
利用3*3尺寸的高斯模板平滑灰度图像
实验结果如图：
利用5*5尺寸的高斯模板平滑灰度图像
实验结果如图：
利用9*9尺寸的高斯模板平滑灰度图像
实验结果如图：
3、完成实验，利用Laplacian、Robert、Sobel模板实现锐化灰度图像。
利用Laplacian模板锐化灰度图像
核心代码如下：
IplImage*Laplacian_cx（IplImage*src）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvLaplace（src,dst）;
returndst;
}
实验结果如图：
利用Robert模板实现锐化灰度图像
核心代码如下：
IplImage*Robert_cx（IplImage*src）
{
floata[]={
-1,0,
0,1
};
CvMatkernel=cvMat（2,2,CV_32F,a）;
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvFilter2D（src,dst,&kernel）;
returndst;
}
实验结果如图：
利用Sobel模板实现锐化灰度图像
核心代码如下：
IplImage*Sobel_cx（IplImage*src）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvSobel（src,dst,1,0）;
returndst;
}
实验结果如图：
4、完成实验，利用高提升滤波算法实现增强灰度图像。
核心代码如下：
IplImage*Highboost（IplImage*src）
{
/*平滑处理*/
IplImage*in=src;
IplImage*out=cvCreateImage（cvGetSize（in）,IPL_DEPTH_8U,in->nChannels）;
cvSmooth（in,out,CV_GAUSSIAN,3）;
/*与原图相差并叠加*/
floatc=2;
for（inti=0;iheight;i++）{
for（intj=0;jwidth;j++）{
CvScalar_f_x_y=cvGet2D（out,i,j）;
CvScalarf_x_y=cvGet2D（in,i,j）;
intd=f_x_y.val[0]+c*（f_x_y.val[0]-_f_x_y.val[0]）;
if（d>255）{
d=255;
}elseif（d<0）{
d=0;
}
CvScalarg_x_y;
g_x_y.val[0]=d;
cvSet2D（out,i,j,g_x_y）;
}
}
returnout;
}
实验结果如图：
5、完成实验，利用均值模板实现平滑彩色图像处理。
实验代码如下：
IplImage*Average_smooth_cx（IplImage*src,intnub）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvSmooth（src,dst,CV_BLUR,nub）;
returndst;
}
其中nub选择空间滤波模板的大小
利用3*3尺寸的均值模板平滑彩色图像
实验结果如图：
利用5*5尺寸的均值模板平滑彩色图像
实验结果如图：
利用9*9尺寸的均值模板平滑彩色图像
实验结果如图：
6、完成实验，利用高斯模板实现平滑彩色图像处理。
实验代码如下：
IplImage*Gaussian_smooth_cx（IplImage*src,intnub）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvSmooth（src,dst,CV_GAUSSIAN,nub）;
returndst;
}
其中nub选择空间滤波模板的大小
利用3*3尺寸的均值模板平滑彩色图像
实验结果如图：
利用5*5尺寸的均值模板平滑彩色图像
实验结果如图：
利用9*9尺寸的均值模板平滑彩色图像
实验结果如图：
7、完成实验，利用Laplacian、Robert、Sobel模板实现锐化彩色图像。
利用Laplacian模板实现锐化彩色图像
核心代码如下：
IplImage*Laplacian_cx（IplImage*src）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvLaplace（src,dst）;
returndst;
}
实验结果如图：
利用Robert模板实现锐化彩色图像
核心代码如下：
IplImage*Robert_cx（IplImage*src）
{
floata[]={
-1,0,
0,1
};
CvMatkernel=cvMat（2,2,CV_32F,a）;
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvFilter2D（src,dst,&kernel）;
returndst;
}
实验结果如图：
利用Sobel模板实现锐化彩色图像
核心代码如下：
IplImage*Sobel_cx（IplImage*src）
{
IplImage*dst=cvCreateImage（cvGetSize（src）,IPL_DEPTH_8U,src->nChannels）;
cvSobel（src,dst,1,0）;
returndst;
}
实验结果如图：
实验中的问题
问题：
Robert模板的实现，找不到现有的实现函数。
解决：
查阅相关资料
实验结果
升级会员 