OpenCV的源码剖析 - opencv二值化图像去噪学习总结

　　二、深入——OpenCV源码剖析

　　

　　《1》OpenCV中boxFilter函数源码解析

　　我们可以在OpenCV的安装路径的\sources\modules\imgproc\src下的smooth.cpp源文件的第711行找到

　　boxFilter函数的源代码。对应于浅墨将OpenCV 2.4.8安装在D：\Program Files\opencv的路径下，那么，

　　smooth.cpp文件就在 D：\ProgramFiles\opencv\sources\modules\imgproc\src路径下。

　　//-----------------------------------【boxFilter（）函数中文注释版源代

　　码】----------------------------

　　// 代码作用：进行box Filter滤波操作的函数

　　// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码

　　// OpenCV源代码版本：2.4.8

　　// 源码路径：…\opencv\sources\modules\imgproc\src\smooth.cpp

　　// 源文件中如下代码的起始行数：711行

　　// 中文注释by浅墨

　　//------------------------------------------------------------------------------------------

　　--------------

　　void cv：：boxFilter（ InputArray _src，OutputArray _dst， int ddepth，

　　Size ksize， Point anchor，

　　bool normalize， int borderType）

　　{

　　Mat src = _src.getMat（）;//拷贝源图的形参Mat数据到临时变量，用于稍后的操作

　　int sdepth =src.depth（）， cn = src.channels（）;//定义int型临时变量，代表源图深度的sdepth，源图

　　通道的引用cn

　　//处理ddepth小于零的情况

　　if（ ddepth 《 0 ）

　　ddepth = sdepth;

　　_dst.create（ src.size（）， CV_MAKETYPE（ddepth， cn） ）;//初始化目标图

　　Mat dst =_dst.getMat（）;//拷贝目标图的形参Mat数据到临时变量，用于稍后的操作

　　//处理 borderType不为 BORDER_CONSTANT 且normalize为真的情况

　　if（ borderType ！= BORDER_CONSTANT && normalize ）{

　　if（ src.rows == 1 ）

　　ksize.height = 1;

　　if（ src.cols == 1 ）

　　ksize.width = 1;

　　}

　　//若之前有过HAVE_TEGRA_OPTIMIZATION优化选项的定义，则执行宏体中的tegra优化版函数并返回

　　#ifdef HAVE_TEGRA_OPTIMIZATION

　　if （ tegra：：box（src， dst， ksize， anchor， normalize， borderType） ）

　　return;

　　#endif

　　//调用FilterEngine滤波引擎，正式开始滤波操作

　　Ptr《FilterEngine》 f = createBoxFilter（ src.type（）， dst.type（），

　　ksize， anchor，normalize， borderType ）;

　　f-》apply（ src， dst ）;

　　}

　　其中的Ptr是用来动态分配的对象的智能指针模板类。可以发现，函数的内部代码思路是很清晰的，先拷

　　贝源图的形参Mat数据到临时变量，定义一些临时变量，在处理ddepth小于零的情况，接着处理

　　borderType不为 BORDER_CONSTANT 且normalize为真的情况，最终调用FilterEngine滤波引擎创建一个

　　BoxFilter，正式开始滤波操作。

　　这里的FilterEngine是OpenCV图像滤波功能的核心引擎，我们有必要详细剖析看其源代码。

　　《2》FilterEngine 类解析——OpenCV图像滤波核心引擎

　　FilterEngine类是OpenCV关于图像滤波的主力军类，OpenCV图像滤波功能的核心引擎。各种滤波函数比如

　　blur， GaussianBlur，到头来其实是就是在函数末尾处定义了一个Ptr《FilterEngine》类型的f，然后f-

　　》apply（ src， dst ）了一下而已。

　　这个类可以把几乎是所有的滤波操作施加到图像上。它包含了所有必要的中间缓存器。有很多和滤波相关

　　的create系函数的返回值直接就是Ptr《FilterEngine》。比如cv：：createSeparableLinearFilter（），

　　cv：：createLinearFilter（），cv：：createGaussianFilter（）， cv：：createDerivFilter（），

　　cv：：createBoxFilter（） 和cv：：createMorphologyFilter（）。，这里给出其中一个函数的原型吧：

　　Ptr《FilterEngine》createLinearFilter（int srcType， int dstType， InputArray kernel，

　　Point_anchor=Point（-1，-1）， double delta=0， int rowBorderType=BORDER_DEFAULT，

　　intcolumnBorderType=-1， const Scalar& borderValue=Scalar（） ）

　　上面我们提到过了，其中的Ptr是用来动态分配的对象的智能指针模板类，而上面的尖括号里面的模板参

　　数就是FilterEngine。

　　使用FilterEngine类可以分块处理大量的图像，构建复杂的管线，其中就包含一些进行滤波阶段。如果我

　　们需要使用预先定义好的的滤波操作，cv：：filter2D（）， cv：：erode（），以及cv：：dilate（），可以选择，他

　　们不依赖于FilterEngine，自立自强，在自己函数体内部就实现了FilterEngine提供的功能。不像其他的

　　诸如我们今天讲的blur系列函数，依赖于FilterEngine引擎。

　　我们看下其类声明经过浅墨详细注释的源码：

　　//-----------------------------------【FilterEngine类中文注释版源代

　　码】----------------------------

　　// 代码作用：FilterEngine类，OpenCV图像滤波功能的核心引擎

　　// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码

　　// OpenCV源代码版本：2.4.8

　　// 源码路径：…\opencv\sources\modules\imgproc\include\opencv2\imgproc\imgproc.hpp

　　// 源文件中如下代码的起始行数：222行

　　// 中文注释by浅墨

　　//------------------------------------------------------------------------------------------

　　--------------

　　class CV_EXPORTS FilterEngine

　　{

　　public：

　　//默认构造函数

　　FilterEngine（）;

　　//完整的构造函数。 _filter2D 、_rowFilter 和 _columnFilter之一，必须为非空

　　FilterEngine（const Ptr《BaseFilter》& _filter2D，

　　constPtr《BaseRowFilter》& _rowFilter，

　　constPtr《BaseColumnFilter》& _columnFilter，

　　int srcType， int dstType， intbufType，

　　int_rowBorderType=BORDER_REPLICATE，

　　int _columnBorderType=-1，

　　const Scalar&_borderValue=Scalar（））;

　　//默认析构函数

　　virtual ~FilterEngine（）;

　　//重新初始化引擎。释放之前滤波器申请的内存。

　　void init（const Ptr《BaseFilter》& _filter2D，

　　constPtr《BaseRowFilter》& _rowFilter，

　　constPtr《BaseColumnFilter》& _columnFilter，

　　int srcType， int dstType， intbufType，

　　int_rowBorderType=BORDER_REPLICATE， int _columnBorderType=-1，

　　const Scalar&_borderValue=Scalar（））;

　　//开始对指定了ROI区域和尺寸的图片进行滤波操作

　　virtual int start（Size wholeSize， Rect roi， int maxBufRows=-1）;

　　//开始对指定了ROI区域的图片进行滤波操作

　　virtual int start（const Mat& src， const Rect&srcRoi=Rect（0，0，-1，-1），

　　bool isolated=false， intmaxBufRows=-1）;

　　//处理图像的下一个srcCount行（函数的第三个参数）

　　virtual int proceed（const uchar* src， int srcStep， int srcCount，

　　uchar* dst， intdstStep）;

　　//对图像指定的ROI区域进行滤波操作，若srcRoi=（0，0，-1，-1），则对整个图像进行滤波操作

　　virtual void apply（ const Mat& src， Mat& dst，

　　const Rect&srcRoi=Rect（0，0，-1，-1），

　　Point dstOfs=Point（0，0），

　　bool isolated=false）;

　　//如果滤波器可分离，则返回true

　　boolisSeparable（） const { return （const BaseFilter*）filter2D == 0; }

　　//返回输入和输出行数

　　int remainingInputRows（） const;

　　intremainingOutputRows（） const;

　　//一些成员参数定义

　　int srcType， dstType， bufType;

　　Size ksize;

　　Point anchor;

　　int maxWidth;

　　Size wholeSize;

　　Rect roi;

　　int dx1， dx2;

　　int rowBorderType， columnBorderType;

　　vector《int》 borderTab;

　　int borderElemSize;

　　vector《uchar》 ringBuf;

　　vector《uchar》 srcRow;

　　vector《uchar》 constBorderValue;

　　vector《uchar》 constBorderRow;

　　int bufStep， startY， startY0， endY， rowCount， dstY;

　　vector《uchar*》 rows;

　　Ptr《BaseFilter》 filter2D;

　　Ptr《BaseRowFilter》 rowFilter;

　　Ptr《BaseColumnFilter》 columnFilter;

　　};

　　《3》OpenCV中size类型剖析

　　size类型我们也讲一下， 通过转到定义，我们可以在……\opencv\sources\modules\core\include

　　\opencv2\core\core.hpp路径下，对应于浅墨的OpenCV安装路径，就是在

　　D：\ProgramFiles\opencv\sources\modules\core\include\opencv2\core\core.hpp下，找到其原型声明

　　：

　　typedef Size_《int》 Size2i;

　　typedef Size2i Size;

　　Size_ 是个模板类，在这里Size_《int》表示其类体内部的模板所代表的类型为int。

　　那这两句的意思，就是首先给已知的数据类型Size_《int》起个新名字，叫Size2i。

　　然后又给已知的数据类型Size2i起个新名字，叫Size。

　　所以，连起来就是，Size_《int》、Size2i、Size这三个类型名等价。

　　然后我们追根溯源，找到Size_模板类的定义：

　　//-----------------------------------【Size_类中文注释版源代码】----------------------------

　　// 代码作用：作为尺寸相关数据结构的Size_ 模板类

　　// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码

　　// OpenCV源代码版本：2.4.8

　　// 源码路径：…\opencv\sources\modules\core\include\opencv2\core\core.hpp

　　// 源文件中如下代码的起始行数：816行

　　// 中文注释by浅墨

　　//------------------------------------------------------------------------------------------

　　--------------

　　template《typename _Tp》 class Size_

　　{

　　public：

　　typedef _Tp value_type;

　　//不同的构造函数定义

　　Size_（）;

　　Size_（_Tp _width， _Tp _height）;

　　Size_（const Size_& sz）;

　　Size_（const CvSize& sz）;

　　Size_（const CvSize2D32f& sz）;

　　Size_（const Point_《_Tp》& pt）;

　　Size_& operator = （const Size_& sz）;

　　//区域（width*height）

　　_Tp area（） const;

　　//转化另一种数据类型。

　　template《typename_Tp2》 operator Size_《_Tp2》（） const;

　　//转换为旧式的OpenCV类型。

　　operator CvSize（） const;

　　operator CvSize2D32f（） const;

　　_Tp width， height; //宽度和高度，常用属性

　　};

　　可以看到Size_模板类的内部又是重载了一些构造函数以满足我们的需要，其中，我们用得最多的是如下

　　这个构造函数：

　　Size_（_Tp _width， _Tp _height）;

　　另外，代码末尾定义了模板类型的宽度和高度：

　　_Tp width， height; //宽度和高度

　　于是我们可以用XXX. width和XXX.height来分别表示其宽度和高度。

　　给大家一个示例，方便理解：

　　Size（5， 5）；//构造出的Size宽度和高度都为5，即XXX.width和XXX.height都为5

　　《4》OpenCV中blur函数源码剖析

　　我们可以在OpenCV的安装路径的\sources\modules\imgproc\src下的smooth.cpp源文件中找到blur的源代

　　码。对应于浅墨将OpenCV 2.4.8安装在D：\Program Files\opencv下，那么，smooth.cpp文件就在 D：

　　\ProgramFiles\opencv\sources\modules\imgproc\src路径下。

　　一起来看一下OpenCV中blur函数定义的真面目：

　　//-----------------------------------【blur（）函数中文注释版源代码】----------------------------

　　// 代码作用：进行blur均值滤波操作的函数

　　// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码

　　// OpenCV源代码版本：2.4.8

　　// 源码路径：…\opencv\sources\modules\imgproc\src\smooth.cpp

　　// 源文件中如下代码的起始行数：738行

　　// 中文注释by浅墨

　　//------------------------------------------------------------------------------------------

　　--------------

　　void cv：：blur（InputArray src， OutputArray dst，

　　Size ksize， Point anchor， int borderType ）

　　{

　　//调用boxFilter函数进行处理

　　boxFilter（ src， dst， -1， ksize， anchor， true， borderType ）;

　　}

　　可以看到在blur函数内部就是调用了一个boxFilter函数，且第六个参数为true，即我们上文所说的

　　normalize=true，即均值滤波是均一化后的方框滤波。

　　《5》OpenCV中GaussianBlur函数源码剖析

　　最后，我们看一下OpenCV中GaussianBlur函数源代码：

　　//-----------------------------------【GaussianBlur（）函数中文注释版源代码】-----------------------

　　// 代码作用：封装高斯滤波的GaussianBlur（）函数

　　// 说明：以下代码为来自于计算机开源视觉库OpenCV的官方源代码

　　// OpenCV源代码版本：2.4.8

　　// 源码路径：…\opencv\sources\modules\imgproc\src\smooth.cpp

　　// 源文件中如下代码的起始行数：832行

　　// 中文注释by浅墨

　　//------------------------------------------------------------------------------------------

　　--------------

　　void cv：：GaussianBlur（ InputArray _src，OutputArray _dst， Size ksize，

　　double sigma1， doublesigma2，

　　int borderType ）

　　{

　　//拷贝形参Mat数据到临时变量，用于稍后的操作

　　Mat src = _src.getMat（）;

　　_dst.create（ src.size（）， src.type（） ）;

　　Mat dst =_dst.getMat（）;

　　//处理边界选项不为BORDER_CONSTANT时的情况

　　if（ borderType ！= BORDER_CONSTANT ）

　　{

　　if（ src.rows == 1 ）

　　ksize.height = 1;

　　if（ src.cols == 1 ）

　　ksize.width = 1;

　　}

　　//若ksize长宽都为1，将源图拷贝给目标图

　　if（ ksize.width == 1 && ksize.height == 1 ）

　　{

　　src.copyTo（dst）;

　　return;

　　}

　　//若之前有过HAVE_TEGRA_OPTIMIZATION优化选项的定义，则执行宏体中的tegra优化版函数并返回

　　#ifdef HAVE_TEGRA_OPTIMIZATION

　　if（sigma1 == 0 && sigma2 == 0 && tegra：：gaussian（src，dst， ksize， borderType））

　　return;

　　#endif

　　//如果HAVE_IPP&& （IPP_VERSION_MAJOR 》= 7为真，则执行宏体中语句

　　#if defined HAVE_IPP &&（IPP_VERSION_MAJOR 》= 7）

　　if（src.type（） == CV_32FC1 && sigma1 == sigma2 &&ksize.width == ksize.height && sigma1 ！=

　　0.0 ）

　　{

　　IppiSize roi = {src.cols， src.rows};

　　int bufSize = 0;

　　ippiFilterGaussGetBufferSize_32f_C1R（roi， ksize.width， &bufSize）;

　　AutoBuffer《uchar》 buf（bufSize+128）;

　　if（ ippiFilterGaussBorder_32f_C1R（（const Ipp32f *）src.data，（int）src.step，

　　（Ipp32f *）dst.data， （int）dst.step，

　　roi，ksize.width， （Ipp32f）sigma1，

　　（IppiBorderType）borderType， 0.0，

　　alignPtr（&buf［0］，32）） 》= 0 ）

　　return;

　　}

　　#endif

　　//调动滤波引擎，正式进行高斯滤波操作

　　Ptr《FilterEngine》 f = createGaussianFilter（ src.type（）， ksize，sigma1， sigma2， borderType

　　）;

　　f-》apply（ src， dst ）;

　　}

　　嗯，今天的源码解析就到这里吧，原理部分学完，深入OpenCV源码部分也学完，相信大家应该对OpenCV中的线性滤波有了比较详细的认识，已经跃跃欲试想看这个几个函数用起来可以得出什么效果了。

　　三、浅出——线性滤波函数快速上手攻略

　　这一部分的内容就是为了大家能快速上手 boxFilter、blur和GaussianBlur 这三个函数所准备的。还等什么呢，开始吧。

　　《1》boxFilter函数——方框滤波

　　boxFilter的函数作用是使用方框滤波（box filter）来模糊一张图片，由src输入，dst输出。

　　函数原型如下：

　　C++： void boxFilter（InputArray src，OutputArray dst， int ddepth， Size ksize， Point

　　anchor=Point（-1，-1）， boolnormalize=true， int borderType=BORDER_DEFAULT ）

　　参数详解如下：

　　第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处

　　理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U， CV_16U， CV_16S，

　　CV_32F 以及 CV_64F之一。

　　第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。

　　第三个参数，int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth（）。

　　第四个参数，Size类型的ksize，内核的大小。一般这样写Size（ w，h ）来表示内核的大小（ 其中，w 为像

　　素宽度， h为像素高度）。Size（3，3）就表示3x3的核大小，Size（5，5）就表示5x5的核大小

　　第五个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point（-1，-1）。如

　　果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point（-1，-1）表示这个锚点在核的中心

　　。

　　第六个参数，bool类型的normalize，默认值为true，一个标识符，表示内核是否被其区域归一化

　　（normalized）了。

　　第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT

　　，我们一般不去管它。

　　调用代码示范如下：

　　//载入原图

　　Matimage=imread（“2.jpg”）;

　　//进行均值滤波操作

　　Matout;

　　boxFilter（image， out， -1，Size（5， 5））;

　　用上面三句核心代码架起来的完整程序代码：

　　//-----------------------------------【头文件包含部

　　分】---------------------------------------

　　// 描述：包含程序所依赖的头文件

　　//------------------------------------------------------------------------------------------

　　----

　　#include “opencv2/core/core.hpp”

　　#include“opencv2/highgui/highgui.hpp”

　　#include“opencv2/imgproc/imgproc.hpp”

　　//-----------------------------------【命名空间声明部

　　分】---------------------------------------

　　// 描述：包含程序所使用的命名空间

　　//------------------------------------------------------------------------------------------

　　-----

　　using namespace cv;

　　//-----------------------------------【main（ ）函

　　数】--------------------------------------------

　　// 描述：控制台应用程序的入口函数，我们的程序从这里开始

　　//------------------------------------------------------------------------------------------

　　-----

　　int main（ ）

　　{

　　//载入原图

　　Matimage=imread（“2.jpg”）;

　　//创建窗口

　　namedWindow（“均值滤波【原图】” ）;

　　namedWindow（“均值滤波【效果图】”）;

　　//显示原图

　　imshow（“均值滤波【原图】”， image ）;

　　//进行滤波操作

　　Matout;

　　boxFilter（image， out， -1，Size（5， 5））;

　　//显示效果图

　　imshow（“均值滤波【效果图】” ，out ）;

　　waitKey（0 ）;

　　}

　　运行效果图（内核大小Size（5， 5））：

　　《2》blur函数——均值滤波

　　blur的作用是对输入的图像src进行均值滤波后用dst输出。

　　函数原型如下：

　　C++： void blur（InputArray src， OutputArraydst， Size ksize， Point anchor=Point（-1，-1）， int

　　borderType=BORDER_DEFAULT ）

　　参数详解如下：

　　第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。该函数对通道是独立处

　　理的，且可以处理任意通道数的图片，但需要注意，待处理的图片深度应该为CV_8U， CV_16U， CV_16S，

　　CV_32F 以及 CV_64F之一。

　　第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用

　　Mat：：Clone，以源图片为模板，来初始化得到如假包换的目标图。

　　第三个参数，Size类型（对Size类型稍后有讲解）的ksize，内核的大小。一般这样写Size（ w，h ）来表示

　　内核的大小（ 其中，w 为像素宽度， h为像素高度）。Size（3，3）就表示3x3的核大小，Size（5，5）就表

　　示5x5的核大小

　　第四个参数，Point类型的anchor，表示锚点（即被平滑的那个点），注意他有默认值Point（-1，-1）。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point（-1，-1）表示这个锚点在核的中心。

　　第五个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT

　　，我们一般不去管它。

　　调用代码示范：

　　//载入原图

　　Matimage=imread（“1.jpg”）;

　　//进行均值滤波操作

　　Matout;

　　blur（image， out， Size（7， 7））;

　　为了大家的理解和应用方便，还是给出用上面三句核心代码架起来完整程序的代码：

　　//-----------------------------------【头文件包含部分】---------------------------------------

　　// 描述：包含程序所依赖的头文件

　　//------------------------------------------------------------------------------------------

　　----

　　#include “opencv2/core/core.hpp”

　　#include“opencv2/highgui/highgui.hpp”

　　#include“opencv2/imgproc/imgproc.hpp”

　　#include 《stdio.h》

　　//-----------------------------------【命名空间声明部分】---------------------------------------

　　// 描述：包含程序所使用的命名空间

　　//------------------------------------------------------------------------------------------

　　-----

　　using namespace cv;

　　//-----------------------------------【main（ ）函数】--------------------------------------------

　　// 描述：控制台应用程序的入口函数，我们的程序从这里开始

　　//------------------------------------------------------------------------------------------

　　-----

　　int main（ ）

　　{

　　//载入原图

　　Matimage=imread（“1.jpg”）;

　　//创建窗口

　　namedWindow（“均值滤波【原图】” ）;

　　namedWindow（“均值滤波【效果图】”）;

　　//显示原图

　　imshow（“均值滤波【原图】”， image ）;

　　//进行滤波操作

　　Matout;

　　blur（image， out， Size（7， 7））;

　　//显示效果图

　　imshow（“均值滤波【效果图】” ，out ）;

　　waitKey（0 ）;

　　}

　　运行效果图（内核大小Size（7， 7））：

　　《3》GaussianBlur函数——高斯滤波

　　GaussianBlur函数的作用是用高斯滤波器来模糊一张图片，对输入的图像src进行高斯滤波后用dst输出。

　　函数原型如下：

　　C++： void GaussianBlur（InputArray src，OutputArray dst， Size ksize， double sigmaX， double

　　sigmaY=0， intborderType=BORDER_DEFAULT ）

　　参数详解如下：

　　第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通

　　道数的图片，但需要注意，图片深度应该为CV_8U，CV_16U， CV_16S， CV_32F 以及 CV_64F之一。

　　第二个参数，OutputArray类型的dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用

　　Mat：：Clone，以源图片为模板，来初始化得到如假包换的目标图。

　　第三个参数，Size类型的ksize高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必

　　须为正数和奇数。或者，它们可以是零的，它们都是由sigma计算而来。

　　第四个参数，double类型的sigmaX，表示高斯核函数在X方向的的标准偏差。

　　第五个参数，double类型的sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为

　　sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。

　　为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。

　　第六个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值

　　BORDER_DEFAULT。

　　调用示例：

　　//载入原图

　　Matimage=imread（“1.jpg”）;

　　//进行滤波操作

　　Matout;

　　blur（image， out， Size（5， 5））;

　　用上面三句核心代码架起来的完整程序代码：

　　//-----------------------------------【头文件包含部分】---------------------------------------

　　// 描述：包含程序所依赖的头文件

　　//------------------------------------------------------------------------------------------

　　----

　　#include “opencv2/core/core.hpp”

　　#include“opencv2/highgui/highgui.hpp”

　　#include“opencv2/imgproc/imgproc.hpp”

　　#include 《stdio.h》

　　//-----------------------------------【命名空间声明部分】---------------------------------------

　　// 描述：包含程序所使用的命名空间

　　//------------------------------------------------------------------------------------------

　　-----

　　using namespace cv;

　　//-----------------------------------【main（ ）函数】--------------------------------------------

　　// 描述：控制台应用程序的入口函数，我们的程序从这里开始

　　//------------------------------------------------------------------------------------------

　　-----

　　int main（ ）

　　{

　　//载入原图

　　Matimage=imread（“1.jpg”）;

　　//创建窗口

　　namedWindow（“均值滤波【原图】” ）;

　　namedWindow（“均值滤波【效果图】”）;

　　//显示原图

　　imshow（“均值滤波【原图】”， image ）;

　　//进行均值滤波操作

　　Matout;

　　GaussianBlur（image， out， Size（ 3， 3 ）， 0， 0 ）;

　　//显示效果图

　　imshow（“均值滤波【效果图】” ，out ）;

　　waitKey（0 ）;

　　}

　　运行效果图（内核大小Size（5， 5））：

　　四、图像线性滤波综合示例 程序

　　依然是每篇文章都会配给大家的一个详细注释的博文配套示例程序，把这篇文章中介绍的知识点以代码为载体，展现给大家。

　　这个示例程序中可以用轨迹条来控制三种线性滤波的核参数值，通过滑动滚动条，就可以控制图像在三种线性滤波下的模糊度，有一定的可玩性。废话不多说，上代码吧：

　　//-----------------------------------【程序说明】----------------------------------------------

　　// 程序名称：：【OpenCV入门教程之八】线性滤波专场：方框滤波、均值滤波与高斯滤波 配

　　套源码

　　// 开发所用OpenCV版本：2.4.8

　　// 2014年3月31 日 Create by 浅墨

　　//------------------------------------------------------------------------------------------

　　------

　　//-----------------------------------【头文件包含部分】---------------------------------------

　　// 描述：包含程序所依赖的头文件

　　//------------------------------------------------------------------------------------------

　　----

　　#include 《opencv2/core/core.hpp》

　　#include《opencv2/highgui/highgui.hpp》

　　#include 《opencv2/imgproc/imgproc.hpp》

　　#include 《iostream》

　　//-----------------------------------【命名空间声明部分】---------------------------------------

　　// 描述：包含程序所使用的命名空间

　　//------------------------------------------------------------------------------------------

　　-----

　　using namespace std;

　　using namespace cv;

　　//-----------------------------------【全局变量声明部分】--------------------------------------

　　// 描述：全局变量声明

　　//------------------------------------------------------------------------------------------

　　-----

　　Matg_srcImage，g_dstImage1，g_dstImage2，g_dstImage3;//存储图片的Mat类型

　　int g_nBoxFilterValue=3; //方框滤波参数值

　　int g_nMeanBlurValue=3; //均值滤波参数值

　　int g_nGaussianBlurValue=3; //高斯滤波参数值

　　//-----------------------------------【全局函数声明部分】--------------------------------------

　　// 描述：全局函数声明

　　//------------------------------------------------------------------------------------------

　　-----

　　//四个轨迹条的回调函数

　　static void on_BoxFilter（int， void *）; //均值滤波

　　static void on_MeanBlur（int， void *）; //均值滤波

　　static void on_GaussianBlur（int， void *）; //高斯滤波

　　//-----------------------------------【main（ ）函数】--------------------------------------------

　　// 描述：控制台应用程序的入口函数，我们的程序从这里开始

　　//------------------------------------------------------------------------------------------

　　-----

　　int main（ ）

　　{

　　//改变console字体颜色

　　system（“color5E”）;

　　//载入原图

　　g_srcImage= imread（ “1.jpg”， 1 ）;

　　if（！g_srcImage.data ） { printf（“Oh，no，读取srcImage错误~！\n”）; return false; }

　　//克隆原图到三个Mat类型中

　　g_dstImage1= g_srcImage.clone（ ）;

　　g_dstImage2= g_srcImage.clone（ ）;

　　g_dstImage3= g_srcImage.clone（ ）;

　　//显示原图

　　namedWindow（“【《0》原图窗口】”， 1）;

　　imshow（“【《0》原图窗口】”，g_srcImage）;

　　//=================【《1》方框滤波】==================

　　//创建窗口

　　namedWindow（“【《1》方框滤波】”， 1）;

　　//创建轨迹条

　　createTrackbar（“内核值：”， “【《1》方框滤波】”，&g_nBoxFilterValue， 40，on_BoxFilter ）;

　　on_MeanBlur（g_nBoxFilterValue，0）;

　　imshow（“【《1》方框滤波】”， g_dstImage1）;

　　//================================================

　　//=================【《2》均值滤波】==================

　　//创建窗口

　　namedWindow（“【《2》均值滤波】”， 1）;

　　//创建轨迹条

　　createTrackbar（“内核值：”， “【《2》均值滤波】”，&g_nMeanBlurValue， 40，on_MeanBlur ）;

　　on_MeanBlur（g_nMeanBlurValue，0）;

　　//================================================

　　//=================【《3》高斯滤波】=====================

　　//创建窗口

　　namedWindow（“【《3》高斯滤波】”， 1）;

　　//创建轨迹条

　　createTrackbar（“内核值：”， “【《3》高斯滤波】”，&g_nGaussianBlurValue， 40，on_GaussianBlur ）;

　　on_GaussianBlur（g_nGaussianBlurValue，0）;

　　//================================================

　　//输出一些帮助信息

　　cout《《endl《《“\t嗯。好了，请调整滚动条观察图像效果~\n\n”

　　《《“\t按下“q”键时，程序退出~！\n”

　　《《“\n\n\t\t\t\tby浅墨”;

　　//按下“q”键时，程序退出

　　while（char（waitKey（1））！= ‘q’） {}

　　return0;

　　}

　　//-----------------------------【on_BoxFilter（ ）函数】------------------------------------

　　// 描述：方框滤波操作的回调函数

　　//------------------------------------------------------------------------------------------

　　-----

　　static void on_BoxFilter（int， void *）

　　{

　　//方框滤波操作

　　boxFilter（g_srcImage， g_dstImage1， -1，Size（ g_nBoxFilterValue+1， g_nBoxFilterValue+1））;

　　//显示窗口

　　imshow（“【《1》方框滤波】”， g_dstImage1）;

　　}

　　//-----------------------------【on_MeanBlur（ ）函数】------------------------------------

　　// 描述：均值滤波操作的回调函数

　　//------------------------------------------------------------------------------------------

　　-----

　　static void on_MeanBlur（int， void *）

　　{

　　//均值滤波操作

　　blur（g_srcImage， g_dstImage2， Size（ g_nMeanBlurValue+1， g_nMeanBlurValue+1），Point（-1，-1））;

　　//显示窗口

　　imshow（“【《2》均值滤波】”， g_dstImage2）;

　　}

　　//-----------------------------【ContrastAndBright（ ）函

　　数】------------------------------------

　　// 描述：高斯滤波操作的回调函数

　　//------------------------------------------------------------------------------------------

　　-----

　　static void on_GaussianBlur（int， void *）

　　{

　　//高斯滤波操作

　　GaussianBlur（g_srcImage， g_dstImage3， Size（

　　g_nGaussianBlurValue*2+1，g_nGaussianBlurValue*2+1 ）， 0， 0）;

　　//显示窗口

　　imshow（“【《3》高斯滤波】”， g_dstImage3）;

　　}

　　最后是一些运行截图，原图：

　　方框滤波：

　　均值滤波：

　　高斯滤波：

　　========