OpenCV（cv::blur()）

目录1. 函数定义2. 工作原理3. 示例4. 效果说明5. 应用场景

cv::blur() 是 OpenCV 提供的一个用于图像模糊处理的函数，它通过卷积运算对图像进行均值滤波。这个函数对于消除噪声、平滑图像非常有效，尤其是在边缘检测等操作之前常用。

1. 函数定义

void cv::blur(

InputArray src, // 输入图像

OutputArray dst, // 输出图像

Size ksize, // 滤波器的核大小

Point anchor = Point(-1, -1), // 锚点，默认为核中心

int borderType = BORDER_DEFAULT // 边界插值方法

);

参数：

src (输入图像):

输入图像可以是 1 通道（灰度图）或 3 通道（彩色图）。

类型可以是 8 位、16 位或 32 位浮点类型。

dst (输出图像):

与输入图像具有相同的大小和类型，存储模糊后的图像。

ksize (核大小):

Size(kwidth, kheight) 是滤波器的宽度和高度，决定了卷积核的大小，必须是正数。核的大小越大，图像的模糊程度越明显。

常见的值为 (3, 3)，即 3x3 的均值滤波器，这会对周围 8 个像素以及中心像素进行平均计算。

anchor (锚点):

锚点是指滤波器的中心点在图像中的位置，默认值为 Point(-1, -1)，表示使用滤波器的中心点作为锚点。可以自定义锚点来控制滤波的方式，但一般情况下使用默认值。

borderType (边界类型):

定义当卷积核接触到图像边缘时如何处理边界外的像素。常见的值包括：

BORDER_CONSTANT: 填充固定常量值。

BORDER_REPLICATE: 重复边缘像素。

BORDER_REFLECT: 镜像反射边界。

BORDER_WRAP: 用对面图像边缘的像素填充。

BORDER_DEFAULT 是 OpenCV 默认值，通常为 BORDER_REFLECT_101。

2. 工作原理

cv::blur() 使用均值滤波器（mean filter）对图像进行平滑处理。其基本原理是通过一个核窗口（由 ksize 定义）在图像上滑动，对核窗口内的像素求平均值，并将该值赋给输出图像中对应位置的像素。公式如下：

\[dst(x, y) = \frac{1}{kwidth \times kheight} \sum_{i=0}^{kwidth-1} \sum_{j=0}^{kheight-1} src(x+i, y+j)

\]

src(x+i, y+j) 是原图像在核窗口中的像素值。

dst(x, y) 是输出图像中的模糊像素值。

3. 示例

#include

int main() {

// 读取输入图像

cv::Mat src = cv::imread("input.jpg");

// 输出图像

cv::Mat dst;

// 使用3x3均值滤波器模糊处理

cv::blur(src, dst, cv::Size(3, 3));

// 显示原始图像和模糊图像

cv::imshow("Original Image", src);

cv::imshow("Blurred Image", dst);

cv::waitKey(0);

return 0;

}

4. 效果说明

小的核大小（例如 3x3）会导致轻微模糊，适合去除细微噪声。

较大的核大小（例如 15x15）会导致明显模糊，使得图像变得平滑，但也会失去很多细节。

5. 应用场景

去除图像噪声: 在对图像进行边缘检测之前，通过均值滤波可以减少噪声的干扰，使得边缘检测效果更加精确。

图像平滑: 在图像处理中，模糊操作有时用于简化图像的细节，从而突出更大的结构。

去除过多的细节: 某些情况下，图像的过多细节会影响后续处理，使用均值滤波可以有效降低这种影响。

cv::blur() 是一种简单的线性滤波器，适用于基本的图像平滑和降噪任务。在更高级的图像处理需求中，可能会使用其他滤波器如高斯模糊（cv::GaussianBlur()）或者中值滤波（cv::medianBlur()）。