【拜小白opencv】28-平滑处理1线性滤波之——盒式滤波（方框滤波）

常言道“温故而知新”，写此文章就是对自己目前学习内容的小小的总结与记录。

本文力求用最简洁的语言，详细的代码将此部分内容讲解清楚，但由于博主同样是刚刚接触OpenCV，或许表达上有些瑕疵，还望读者能够指教探讨，大家共同进步。

博主机器配置为：VS2013+opencv2.4.13+Win-64bit。

若本文能给读者带来一点点启示与帮助，我就很开心了。

===========================分割线========================

1-盒式滤波（方框滤波）

• 盒式滤波（方框滤波）是一种线性滤波技术，它的实现借鉴了积分图像的原理思想，在快速积分图像求解中，将计算某个矩阵像素间的和值运算，转化为求矩阵对应边角点的求和差值运算。
• 盒式滤波的实现最关键的步骤就是初始化数组S，数组S的每个值是存放像素邻域内的像素和值，在求解某矩形块中的像素和时，只需要索引对应区域的位置存放的和值就可以完成计算。

原理：

先给出内核，用内核各点的值与对应的图像像素值相乘：

可以才看出通过盒式滤波后，图片的边缘信息会丢失。

=======================分割线=========================

2-boxFilter()函数——盒式滤波

OpenCV将盒式滤波封装在boxFilter()函数中，作用是输入一副图像对其进行盒式滤波。感兴趣的同学可以看看其源代码。下面来看下boxFilter()函数的定义：

void boxFilter( InputArray src, OutputArray dst, int ddepth,                             Size ksize, Point anchor=Point(-1,-1),                             bool normalize=true,                             int borderType=BORDER_DEFAULT );

参数说明：

• 参数1：输入要处理的图像。
• 参数2：得到处理后的的输出图像。
• 参数3：图像的深度。-1代表使用原图深度，即src.depth()。
• 参数4：内核的大小。一般用Size(w,h)来表示内核大小，其中w为像素宽度，h为像素高度，正奇数或0。例：Size(3,3)就代表3×3的核大小。
• 参数5：表示锚点，即被平滑的那个点。如果这个点坐标是负值的话，就表示取核的中心点为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
• 参数6：默认值为true，一个标识符，表示内核是否被其区域归一化了，具体见下面介绍。
• 参数7：用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT，我们一般不用管它。

boxFilter()函数盒式滤波所用的核表示如下：

对参数6具体解释：

• 当normalize = true 时，盒式滤波就变成了均值滤波。也就是说，均值滤波是盒式滤波归一化（normalized）后的特殊情况。其中，归一化就是把要处理的量都缩放到一个范围内，比如(0,1)，以便统一处理和直观量化。
• 当normalize = false时，为非归一化的盒式滤波，用于计算每个像素邻域内的积分特性，比如密集光流算法（dense optical flow algorithms）中用到的图像倒数的协方差矩阵（covariance matrices of image derivatives）。

=========================分割线====================

3-代码演示

/*盒式滤波（方框滤波）*/#include <opencv2/core/core.hpp>                #include <opencv2/highgui/highgui.hpp>    #include <opencv2/imgproc/imgproc.hpp>#include <iostream>   using namespace std;using namespace cv;int main(){//------------【1】读取源图像并检查图像是否读取成功------------   Mat srcImage = imread("D:\\OutPutResult\\ImageTest\\boat1.jpg");if (!srcImage.data){cout << "读取图片错误，请重新输入正确路径！\n";system("pause");return -1;}imshow("【源图像】", srcImage);//------------【2】对图像进行盒式滤波（方框滤波）处理------------   Mat dstImage;boxFilter(srcImage, dstImage, -1, Size(5, 5), Point(-1, -1), false); //false为非归一化情况imshow("【盒式滤波/方框滤波】", dstImage);waitKey(0);}

=======================分割线=====================

4-显示结果

非归一化情况如下

归一化情况如下

=======================分割线================

5-程序说明

可以发现，非归一化的时候，得到图像就是一片白色，对源图像毁坏太大，根本无法使用。

而归一化的时候，得到图像是一种模糊的效果，此时与均值滤波一样。

下一节我们将了解均值滤波的时候方法。

=====================END==============