OpenCV(二十四)：可分离滤波

柔情只为你懂 2024-03-26 23:23 54阅读 0赞

**目录**

1.可分离滤波的原理

2.可分离滤波函数sepFilter2D()

3.示例代码

--------------------

#### 1.可分离滤波的原理 ####

可分离滤波的原理基于滤波器的可分离性。对于一个二维滤波器，如果它可以表示为水平方向和垂直方向两个一维滤波器的卷积，那么它就是可分离的。也就是说，一个二维滤波器可以通过两次一维卷积来实现，分别在水平和垂直方向进行滤波。

![348417131443422fa6e63f603f88d37f.png][]

#### 2.可分离滤波函数sepFilter2D() ####

> void cv::sepFilter2D ( InputArray src,
> 
> OutputArray dst,
> 
> int ddepth,
> 
> InputArray kernelX,
> 
> InputArray kernelY,
> 
> Point anchor = point(-1,-1),
> 
> double delta =0 ,
> 
> int borderType = BORDER\_DEFAULT
> 
> )

*  src:待滤波图像
 *  dst:输出图像，与输入图像src具有相同的尺寸、通道数和数据类型
 *  ddepth: 输出图像的数据类型(深度)。
 *  kernelX:X方向的滤波器
 *  kernelY:Y方向的滤波器
 *  anchor:内核的基准点(锚点)，其默认值为(-1,-1)代表内核基准点位于kernel的中心位置delta: 偏值，在计算结果中加上偏值。
 *  borderType:像素外推法选择标志。

#### 3.示例代码 ####

展示如何使用可分离滤波在图像上应用高斯滤波：

//可分离滤波
    void  Separable_filtering(Mat image){
        // 定义滤波器大小和标准差
        int ksize = 3;
        double sigma = 1.0;
    
        // 获取水平方向和垂直方向的高斯滤波器
        cv::Mat kernelX = cv::getGaussianKernel(ksize, sigma);
        cv::Mat kernelY = cv::getGaussianKernel(ksize, sigma);
    
        // 计算水平方向和垂直方向上的一维滤波器
        cv::Mat kernelXY = kernelX * kernelY.t();
    
        // 执行可分离滤波
        cv::Mat result;
        cv::sepFilter2D(image, result, -1, kernelX, kernelY);
     
    }

在上述示例中，`cv::getGaussianKernel()`函数用于获取高斯滤波器。`ksize`参数表示滤波器的大小，`sigmaX`和`sigmaY`参数表示X和Y方向上的标准差。

通过将一维滤波器应用于图像的两个方向，并使用`cv::sepFilter2D()`函数将它们结合起来，我们可以实现高效的可分离滤波操作。

[348417131443422fa6e63f603f88d37f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/37a97cf0e4534acc8c8ff61f1840ddf5.png