设计商城商务网站,营销案例最新,电子商务网站建设策划书的流程,网络运营团队7. out_of_focus_deblur_filter.cpp使用维纳滤波器来恢复失焦的图像 代码的主要功能是通过使用维纳滤波器来恢复失焦的图像#xff0c;它读取一个灰度图像文件#xff0c;对其进行滤波操作#xff0c;并将结果保存为新文件。这个过程包括计算点扩散函数(PSF)#xff0c;执行… 7. out_of_focus_deblur_filter.cpp使用维纳滤波器来恢复失焦的图像 代码的主要功能是通过使用维纳滤波器来恢复失焦的图像它读取一个灰度图像文件对其进行滤波操作并将结果保存为新文件。这个过程包括计算点扩散函数(PSF)执行FFT变换应用滤波器然后完成逆FFT变换。这些步骤都在main函数中进行并在帮助函数中分别解决。 /** * brief 你将了解如何通过维纳滤波器恢复失焦的图像 * author Karpushin Vladislav, karpushinngs.ru, https://github.com/VladKarpushin */ // 导入所需的库和模块 #include iostream #include opencv2/highgui.hpp #include opencv2/imgproc.hpp #include opencv2/imgcodecs.hpp// 声明使用的命名空间 using namespace cv; using namespace std;// 声明函数原型 void help(); void calcPSF(Mat outputImg, Size filterSize, int R); void fftshift(const Mat inputImg, Mat outputImg); void filter2DFreq(const Mat inputImg, Mat outputImg, const Mat H); void calcWnrFilter(const Mat input_h_PSF, Mat output_G, double nsr);// 定义命令行参数 const String keys {help h usage ? | | print this message } {image |original.jpg | input image name } {R |5 | radius } {SNR |100 | signal to noise ratio} ;int main(int argc, char *argv[]) {help(); //调用帮助函数CommandLineParser parser(argc, argv, keys); //创建命令行参数解析器if (parser.has(help)) //如果含有help参数{parser.printMessage(); //打印消息return 0; //返回0结束程序}int R parser.getint(R); //获取参数R的值int snr parser.getint(SNR); //获取参数SNR的值string strInFileName parser.getString(image); //获取参数image的值samples::addSamplesDataSearchSubDirectory(doc/tutorials/imgproc/out_of_focus_deblur_filter/images); //添加样本数据搜索子目录if (!parser.check()) //如果参数解析器检查失败{parser.printErrors(); //打印错误return 0; //返回0结束程序}Mat imgIn;imgIn imread(samples::findFile( strInFileName ), IMREAD_GRAYSCALE); //以灰度模式读取图片文件if (imgIn.empty()) //检查是否图片已成功加载{cout ERROR : Image cannot be loaded..!! endl; //输出错误消息return -1;}Mat imgOut; //创建输出图像//只处理偶数大小的图像Rect roi Rect(0, 0, imgIn.cols -2, imgIn.rows -2);//开始计算HwMat Hw, h;calcPSF(h, roi.size(), R); //计算点扩散函数calcWnrFilter(h, Hw, 1.0 / double(snr)); //计算维纳滤波器//结束计算Hw//开始滤波处理filter2DFreq(imgIn(roi), imgOut, Hw);//结束滤波处理imgOut.convertTo(imgOut, CV_8U); //将输出图像转换为8位无符号整形normalize(imgOut, imgOut, 0, 255, NORM_MINMAX); //将输出图像正规化到0-255imshow(Original, imgIn); //显示原始图像imshow(Debluring, imgOut); //显示滤波后的图像imwrite(result.jpg, imgOut); //将滤波后的图像写入文件waitKey(0); //等待窗口关闭return 0; }// 显示帮助信息的函数 void help() {cout 2018-07-12 endl;cout DeBlur_v8 endl;cout You will learn how to recover an out-of-focus image by Wiener filter endl; }//! [calcPSF] // 计算PSF的函数 void calcPSF(Mat outputImg, Size filterSize, int R) {Mat h(filterSize, CV_32F, Scalar(0)); // 创建一个滤波器大小的黑色图像Point point(filterSize.width / 2, filterSize.height / 2); // 圆心位于图像中心circle(h, point, R, 255, -1, 8); // 画一个填充圆半径为RScalar summa sum(h); // 计算圆内的像素和为了进行归一化outputImg h / summa[0]; // 归一化使得PSF的总和为1 } //! [calcPSF]//! [fftshift] // 在数学上进行fftshift操作的函数 该函数实现对图像的快速傅里叶变换后的频率平面进行移位将直流分量移至频率平面的中心。 //! [fftshift] void fftshift(const Mat inputImg, Mat outputImg) {outputImg inputImg.clone(); //克隆输入图像int cx outputImg.cols / 2; //计算图像中心点的x坐标int cy outputImg.rows / 2; //计算图像中心点的y坐标Mat q0(outputImg, Rect(0, 0, cx, cy)); //创建四个子图像矩阵分别表示图像的四个象限q0, q1, q2, q3Mat q1(outputImg, Rect(cx, 0, cx, cy));Mat q2(outputImg, Rect(0, cy, cx, cy));Mat q3(outputImg, Rect(cx, cy, cx, cy));Mat tmp; //创建临时Mat变量//进行频率域的中心变换q0.copyTo(tmp); q3.copyTo(q0);tmp.copyTo(q3);q1.copyTo(tmp);q2.copyTo(q1);tmp.copyTo(q2); } //! [fftshift]//! [filter2DFreq] // 实现2D频域滤波的函数 该函数实现了频率域滤波先将图像和滤波器都变换到频率域然后进行频谱相乘最后反变换回空间域。 //! [filter2DFreq] void filter2DFreq(const Mat inputImg, Mat outputImg, const Mat H) {Mat planes[2] { Mat_float(inputImg.clone()), Mat::zeros(inputImg.size(), CV_32F) };Mat complexI;merge(planes, 2, complexI); //将图像与频率平面合并成复数形式dft(complexI, complexI, DFT_SCALE); //对复数形式的图像进行离散傅里叶变换Mat planesH[2] { Mat_float(H.clone()), Mat::zeros(H.size(), CV_32F) };Mat complexH;merge(planesH, 2, complexH); //同样将h与频率平面合并成复数形式Mat complexIH; mulSpectrums(complexI, complexH, complexIH, 0); //将两个频谱相乘idft(complexIH, complexIH); //进行逆傅里叶变换split(complexIH, planes); //拆分出图像部分和频率部分outputImg planes[0]; //提取图像部分 } //! [filter2DFreq]//! [calcWnrFilter] // 计算维纳滤波器的函数 //函数实现了维纳滤波器在频率域的计算过程确定了对模糊图像进行复原的滤波器。 //! [calcWnrFilter] void calcWnrFilter(const Mat input_h_PSF, Mat output_G, double nsr) {Mat h_PSF_shifted;fftshift(input_h_PSF, h_PSF_shifted); //将PSF进行中心化Mat planes[2] { Mat_float(h_PSF_shifted.clone()), Mat::zeros(h_PSF_shifted.size(), CV_32F) };Mat complexI;merge(planes, 2, complexI); //形成复数图像 dft(complexI, complexI); //进行傅里叶变换split(complexI, planes); //进行图像分离分别是实部和虚部Mat denom;pow(abs(planes[0]), 2, denom); //求模之后取平方denom nsr; //加上噪声功率divide(planes[0], denom, output_G); //复原图像与噪声功率的比值即为维纳滤波器的频响 } //! [calcWnrFilter]