C++圖像處理之雙邊濾波
本文實(shí)例為大家分享了C++圖像處理之雙邊濾波的具體代碼,供大家參考,具體內(nèi)容如下
1、 近期在學(xué)習(xí)雙邊濾波相關(guān)知識(shí),其原理如下(以后補(bǔ)上):
2 、灰度圖雙邊濾波實(shí)現(xiàn)C++代碼如下,網(wǎng)上大多數(shù)是基于8位灰度圖和彩色圖像的。(此次代碼未經(jīng)優(yōu)化,可去除opencv依賴):
//灰度圖雙邊濾波
void m_bilateralFilter(cv::Mat src,cv::Mat& dst,int radius,float sigma_r,float sigma_d)
{
if (src.empty())
return;
if (dst.empty())
{
dst = src.clone();
}
if (src.depth() == CV_16U){
for (int i = radius; i < src.rows - radius; i++)
for (int j = radius; j < src.cols - radius; j++)
{
float sum_1 = .0f, sum_2 = .0f;
for (int k = 0; k < 2 * radius - 1; k++)
for (int l = 0; l < 2 * radius - 1; l++)
{
int dis_x = radius - k;
int dis_y = radius - l;
int coord_x_image = i - radius + k;
int coord_y_image = j - radius + l;
float dis_spatial = dis_x*dis_x + dis_y*dis_y;
float dis_range = (src.at<unsigned short>(i, j)
- src.at<unsigned short>(coord_x_image, coord_y_image))*(src.at<unsigned short>(i, j)
- src.at<unsigned short>(coord_x_image, coord_y_image));
float c_tmp = exp(-dis_spatial /
(2 * sigma_d * sigma_d));
float s_tmp = exp(-dis_range /
(2 * sigma_r * sigma_r));
sum_1 += c_tmp*s_tmp*src.at<unsigned short>(coord_x_image, coord_y_image);
sum_2 += c_tmp*s_tmp;
}
dst.at<unsigned short>(i, j) = sum_1 / sum_2;
}
}
else if (src.depth() == CV_8U)
{
for (int i = radius; i < src.rows - radius; i++)
for (int j = radius; j < src.cols - radius; j++)
{
float sum_1 = .0f, sum_2 = .0f;
for (int k = 0; k < 2 * radius - 1; k++)
for (int l = 0; l < 2 * radius - 1; l++)
{
int dis_x = radius - k;
int dis_y = radius - l;
int coord_x_image = i - radius + k;
int coord_y_image = j - radius + l;
float dis_spatial = dis_x*dis_x + dis_y*dis_y;
float dis_range = (src.at<unsigned char>(i, j)
- src.at<unsigned char>(coord_x_image, coord_y_image))*(src.at<unsigned char>(i, j)
- src.at<unsigned char>(coord_x_image, coord_y_image));
float c_tmp = exp(-dis_spatial /
(2 * sigma_d * sigma_d));
float s_tmp = exp(-dis_range /
(2 * sigma_r * sigma_r));
sum_1 += c_tmp*s_tmp*src.at<unsigned char>(coord_x_image, coord_y_image);
sum_2 += c_tmp*s_tmp;
}
dst.at<unsigned char>(i, j) = sum_1 / sum_2;
}
}
}
3、目前是基于單通道圖像,效果如下:
原圖:

opencv 庫(kù)的效果(cv::bilateralFilter(img_src, img_dst, 10,10 * 2, 10 / 2))

該程序的效果(m_bilateralFilter(img_src, img_dst, 5, 10 * 2, 10 / 2))

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
C語(yǔ)言中回調(diào)函數(shù)的含義與使用場(chǎng)景詳解
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言中回調(diào)函數(shù)的含義與使用場(chǎng)景,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助2022-03-03
C++ 數(shù)據(jù)結(jié)構(gòu)二叉樹(前序/中序/后序遞歸、非遞歸遍歷)
這篇文章主要介紹了C++ 數(shù)據(jù)結(jié)構(gòu)二叉樹(前序/中序/后序遞歸、非遞歸遍歷)的相關(guān)資料,這里提供實(shí)例代碼來幫助大家理解掌握二叉樹,需要的朋友可以參考下2017-07-07
C語(yǔ)言超詳細(xì)講解循環(huán)與分支語(yǔ)句基礎(chǔ)
各位小伙伴們,今天給大家?guī)淼氖茄h(huán)與分支語(yǔ)句,本篇將會(huì)向大家介紹這些語(yǔ)句的格式和使用的基本方法,感興趣的朋友來看看吧2022-04-04
C++實(shí)現(xiàn)LeetCode(94.二叉樹的中序遍歷)
這篇文章主要介紹了C++實(shí)現(xiàn)LeetCode(94.二叉樹的中序遍歷),本篇文章通過簡(jiǎn)要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下2021-07-07
數(shù)據(jù)結(jié)構(gòu)之?dāng)?shù)組Array實(shí)例詳解

