学习opencv平滑处理.docVIP

平滑处理 平滑处理”也称“模糊处理”(blurring)，是一项简单且使用频率很高的图像处理 方法。平滑处理的用途有很多，但最常见的是用来减少图像上的噪声或者失真。降 低图像分辨率时，平滑处理是很重要的(在本章的“图像金字塔”部分会详细介绍 这一点)。 目前OpenCV可以提供五种不同的平滑操作方法，所有操作都由cvSmooth函数实 尺寸调整 我们经常会将某种尺寸的图像转换为其他尺寸的图像，如放大或者缩小图像。我们 可以用cvResize()函数来放大或缩小图像。该函数可以将源图像精确转换为目标 图像的尺寸。如果源图像中设置了ROI，那么cvResize()将会对ROI区域调整 尺寸，以匹配目标图像，同样，如果目标图像中已设置ROI的值，那么 cvResize()将会将源图像进行尺寸调整并填充到目标图像的ROI中。 一般情况下，我们期望源图像和重采样后的目标图像之间的映射尽可能地平滑。参 数interpolation控制如何进行映射。当缩小图像时，目标图像的像素会映射为 源图像中的多个像素，这时需要进行插值。当放大图像时，目标图像上的像素可能 无法在源图像中找到精确对应的像素，也需要进行插值。在任何一种情况下，都有 很多z种计算像素值的方法。其中最简单的办法是将目标图像各点的像素值设为源 图像中与其距离最近的点的像素值，这就是当interpolation设为CV_工NTER一N 时用的算法。或者采用线性插值算法(CV_工NTER L工NEAR，将根据源图像附近的4 个((2x2范围)邻近像素的线性加权计算得出，权重由这4个像素到精确目标点 的距离决定。我们也可以用新的像素点覆盖原来的像素点，然后求取覆盖区域 的平均值，这种插值算法称为区域插值。。最后一种选择是三次样条插值 (Cv一工NTER CUBIC。首先对源图像附近的4x4个邻近像素进行三次样条拟 合，然后将目标像素对应的三次样条值作为目标图像对应像素点的值。 图像金字塔 图像金字塔[Adelson84]被广泛用于各种视觉应用中。图像金字塔是一个图像集 合，集合中所有的图像都源于同一个原始图像，而且是通过对原始图像连续降采样 获得，直到达到某个中止条件才停止降采样。(当然，降为一个像素肯定是中止条 件。)[i307 有两种类型的图像金字塔常常出现在文献和应用中:高斯金字塔【Rosenfeld80〕和拉 普拉斯[Burt83]金字塔[Adelson84]。高斯金字塔用来向下降采样图像，而拉普拉斯 金字塔(后面会简单讨论)则用来从金字塔低层图像中向上采样重建一个图像。 要从金字塔第i层生成第i+ 1层(我们表示第i+ 1层为Gi+、)，我们先要用高斯核对 G‘进行卷积，然后删除所有偶数行和偶数列。当然，新得到的图像面积会变为源 图像的四分之一。按上述过程对输入图像Go循环执行操作就可产生整个金字塔。 OpenCV为我们提供了从金字塔中上一级图像生成下一级图像的方法: 在这种情况下，图像首先在每个维度上扩大为原来的两倍，新增的行(偶数行)以0 填充。然后给指定的滤波器进行卷积(实际上是一个在每一维上都扩大为两倍的过 滤器)①去估计“丢失”像素的近似值。 我们之前注意到函数PyrUp()并不是函数PyrDOwn()的逆操作。之所以这样是因 为PyrDOwn()是一个会丢失信息的函数。为了恢复原来(更高的分辨率)的图像，我 们需要获得由降采样操作丢失的信息。这些数据形成了拉普拉斯金字塔。下面是拉 普拉斯金字塔的第i层的数学定义: L; = G，一UP(G}+i)⑧只x5 这里的UP()操作将原始图像中位置为((x ,力的像素映射到目标图像的(2x+1, 2y+1) 位置;符号⑧代表卷积操作，只.s是5x5高斯核。OpenCV提供的函数PyrUp()实 现的功能就如Gr -UP(Gr,i )0O -}}sxs所定义。因此，我们可以使用OpenCV直接进行拉普 拉斯运算: opencv检测运动物体的基础_特征提取 2011-01-07 12:45  特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义  至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。  特征提取是图象处理中的一个初级运