标签：std poi filter 距离 scalar img src mat ext
在本示例中，共设计了三个函数，分别是巴特沃斯滤波器BLPF（）、巴特沃斯陷波滤波器notchFilter_BTW（）、高斯陷波滤波器notchFilter_GAUSS（）
巴特沃斯陷波滤波器参见书上6.4.5选择性滤波器，高斯陷波滤波器参照6.3.3节中的高斯低通滤波器。
参数说明：
rows——滤波器的行数；
cols——滤波器的列数；
D0——频域截止半径；
n——巴特沃斯的阶数；
cvtype——滤波器的数据类型和通道数，默认为双通道浮点数
Mat BLPF(int rows,int cols,float D0,int n=1,int cvtype=CV_32FC2) { Mat filt(rows,cols,cvtype,Scalar::all(0)); int cx=cols/2,cy=rows/2; float D02=D0*D0; for(int i=0;i<rows;i++) { for(int j=0;j<cols;j++) { int u=cx-j,v=cy-i;//中心坐标 float Duv2=u*u+v*v;//距离中心半径的平方 float H0=1-1/(1+pow(Duv2/D02,n)); int u1=u-130,v1=v-130; float D2=u1*u1+v1*v1; float H1=1-1/(1+pow(D2/D02,n)); //.data返回的是uchar*型指针，所以要强制转换成浮点数型 float* p=(float*)(filt.data+i*filt.step[0]+j*filt.step[1]); for(int c=0;c<filt.channels();c++) { p[c]=H1*H0; } } } return filt; } Mat notchFilter_BTW(int rows,int cols,std::vector<cv::Point> np, float* D,int n=1,int cvtype=CV_32FC2) { Mat filt(rows,cols,cvtype,Scalar::all(0)); int cx=cols/2,cy=rows/2; int numNotch=np.size(); float* D2=D; for(int i=0;i<numNotch;i++) { D2[i]=D[i]*D[i]; } int uk[numNotch],vk[numNotch];//在画面上的实际陷波坐标点 int u_k[numNotch],v_k[numNotch];//陷波共轭点 float Dk[numNotch],D_k[numNotch];//陷波半径r float Hk[numNotch],H_k[numNotch]; for(int i=0;i<rows;i++) { for(int j=0;j<cols;j++) { int u=cx-j,v=cy-i;//中心坐标 for(int s=0;s<numNotch;s++) { uk[s]=u+np[s].x,vk[s]=v+np[s].y; Dk[s]=uk[s]*uk[s]+vk[s]*vk[s];//距离中心半径的平方 Hk[s]=1-1/(1+pow(Dk[s]/D2[s],n)); u_k[s]=u-np[s].x,v_k[s]=v-np[s].y; D_k[s]=u_k[s]*u_k[s]+v_k[s]*v_k[s]; H_k[s]=1-1/(1+pow(D_k[s]/D2[s],n)); } //.data返回的是uchar*型指针，所以要强制转换成浮点数型 float* p=(float*)(filt.data+i*filt.step[0]+j*filt.step[1]); for(int c=0;c<filt.channels();c++) { p[c]=Hk[0]*H_k[0]; for(int k=1;k<numNotch;k++) { p[c]*=Hk[k]*H_k[k]; } } } } return filt; } Mat notchFilter_GAUSS(int rows,int cols,std::vector<cv::Point> np, float* D,int cvtype=CV_32FC2) { Mat filt(rows,cols,cvtype,Scalar::all(0)); int cx=cols/2,cy=rows/2; // float D02=D0*D0; int numNotch=np.size(); float* D2=D; for(int i=0;i<numNotch;i++) { D2[i]=D[i]*D[i]; } int uk[numNotch],vk[numNotch];//在画面上的实际陷波坐标点 int u_k[numNotch],v_k[numNotch];//陷波共轭点 float Dk[numNotch],D_k[numNotch];//陷波半径r float Hk[numNotch],H_k[numNotch]; for(int i=0;i<rows;i++) { for(int j=0;j<cols;j++) { int u=cx-j,v=cy-i;//中心坐标 for(int s=0;s<numNotch;s++) { uk[s]=u+np[s].x,vk[s]=v+np[s].y; Dk[s]=uk[s]*uk[s]+vk[s]*vk[s];//距离中心半径的平方 Hk[s]=1-exp(-Dk[s]/(D2[s]*2)); u_k[s]=u-np[s].x,v_k[s]=v-np[s].y; D_k[s]=u_k[s]*u_k[s]+v_k[s]*v_k[s]; H_k[s]=1-exp(-D_k[s]/(D2[s]*2)); } //.data返回的是uchar*型指针，所以要强制转换成浮点数型 float* p=(float*)(filt.data+i*filt.step[0]+j*filt.step[1]); for(int c=0;c<filt.channels();c++) { p[c]=Hk[0]*H_k[0]; for(int k=1;k<numNotch;k++) { p[c]*=Hk[k]*H_k[k]; } } } } return filt; } int main() { Point np[]={Point(130,130),Point(90,130),Point(130,100),Point(90,100)};//输入陷波坐标数组 vector<Point> vnp(np,np+4); float D[4]={5,10,15,20}; // Mat filt1=notchFilter_BTW(500,600,vnp,D,2); Mat filt1=notchFilter_GAUSS(500,600,vnp,D); Mat fc1; extractChannel(filt1,fc1,0); imshow("filter ",fc1); waitKey(); return 0; }
高斯陷波滤波器的演示实例结果如下：
下面是巴特沃斯陷波滤波器的演示结果：
标签：std poi filter 距离 scalar img src mat ext
原文地址：https://www.cnblogs.com/phoenixdsg/p/9189793.html
