()高斯理论简介
()
()代码实现
四 使用高斯滤波器进行图像的平滑
()高斯简介
http://research.microsoft.com/en-us/um/people/kahe/eccv10/ 何凯明 matlab 实现
http://www.ruanyifeng.com/blog/2012/11/gaussian_blur.html 阮一峰
http://www.zwbk.org/MyLemmaShow.aspx?lid=126233 中文百科独特解释
http://academic.mu.edu/phys/matthysd/web226/Lab02.htm
http://www.360doc.com/content/12/0921/17/10724725_237428926.shtml 有历程
http://blog.csdn.net/l_inyi/article/details/8915116 实现opencv
http://www.cnblogs.com/JohnShao/archive/2011/06/02/2067800.html 工业级应用
http://blog.csdn.net/zddblog/article/details/7450033 高斯模糊小结
生成高斯核
/*************************************************************************
*
* \函数名称:
* MakeGauss()
*
* \输入参数:
* double sigma - 高斯函数的标准差
* double **pdKernel - 指向高斯数据数组的指针
* int *pnWindowSize - 数据的长度
*
* \返回值:
* 无
*
* \说明:
* 这个函数可以生成一个一维的高斯函数的数字数据,理论上高斯数据的长度应
* 该是无限长的,但是为了计算的简单和速度,实际的高斯数据只能是有限长的
* pnWindowSize就是数据长度
*
*************************************************************************
*/
void MakeGauss(double sigma, double **pdKernel, int *pnWindowSize)
{
// 循环控制变量
int i ;
// 数组的中心点
int nCenter;
// 数组的某一点到中心点的距离
double dDis ;
double PI = 3.14159;
// 中间变量
double dValue;
double dSum ;
dSum = 0 ;
// 数组长度,根据概率论的知识,选取[-3*sigma, 3*sigma]以内的数据。
// 这些数据会覆盖绝大部分的滤波系数
*pnWindowSize = 1 + 2 * ceil(3 * sigma);
// 中心
nCenter = (*pnWindowSize) / 2;
// 分配内存
*pdKernel = new double[*pnWindowSize] ;
for(i=0; i< (*pnWindowSize); i++)
{
dDis = (double)(i - nCenter);
dValue = exp(-(1/2)*dDis*dDis/(sigma*sigma)) / (sqrt(2 * PI) * sigma );
(*pdKernel)[i] = dValue ;
dSum += dValue;
}
// 归一化
for(i=0; i<(*pnWindowSize) ; i++)
{
(*pdKernel)[i] /= dSum;
}
}
高斯滤波
/*************************************************************************
*
* \函数名称:
* GaussianSmooth()
*
* \输入参数:
* unsigned char * pUnchImg - 指向图象数据的指针
* int nWidth - 图象数据宽度
* int nHeight - 图象数据高度
* double dSigma - 高斯函数的标准差
* unsigned char * pUnchSmthdImg - 指向经过平滑之后的图象数据
*
* \返回值:
* 无
*
* \说明:
* 为了抑止噪声,采用高斯滤波对图象进行滤波,滤波先对x方向进行,然后对
* y方向进行。
*
*************************************************************************
*/
void GaussianSmooth(unsigned char *pUnchImg, int nWidth, int nHeight,
double sigma, unsigned char * pUnchSmthdImg)
{
// 循环控制变量
int y;
int x;
int i;
// 高斯滤波器的数组长度
int nWindowSize;
// 窗口长度的1/2
int nHalfLen;
// 一维高斯数据滤波器
double *pdKernel ;
// 高斯系数与图象数据的点乘
double dDotMul ;
// 高斯滤波系数的总和
double dWeightSum ;
// 中间变量
double * pdTmp ;
// 分配内存
pdTmp = new double[nWidth*nHeight];
// 产生一维高斯数据滤波器
// MakeGauss(sigma, &dKernel, &nWindowSize);
MakeGauss(sigma, &pdKernel, &nWindowSize) ;
// MakeGauss返回窗口的长度,利用此变量计算窗口的半长
nHalfLen = nWindowSize / 2;
// x方向进行滤波
for(y=0; y<nHeight; y++)
{
for(x=0; x<nWidth; x++)
{
dDotMul = 0;
dWeightSum = 0;
for(i=(-nHalfLen); i<=nHalfLen; i++)
{
// 判断是否在图象内部
if( (i+x) >= 0 && (i+x) < nWidth )
{
dDotMul += (double)pUnchImg[y*nWidth + (i+x)] * pdKernel[nHalfLen+i];
dWeightSum += pdKernel[nHalfLen+i];
}
}
pdTmp[y*nWidth + x] = dDotMul/dWeightSum ;
}
}
// y方向进行滤波
for(x=0; x<nWidth; x++)
{
for(y=0; y<nHeight; y++)
{
dDotMul = 0;
dWeightSum = 0;
for(i=(-nHalfLen); i<=nHalfLen; i++)
{
// 判断是否在图象内部
if( (i+y) >= 0 && (i+y) < nHeight )
{
dDotMul += (double)pdTmp[(y+i)*nWidth + x] * pdKernel[nHalfLen+i];
dWeightSum += pdKernel[nHalfLen+i];
}
}
pUnchSmthdImg[y*nWidth + x] = (unsigned char)(int)dDotMul/dWeightSum ;
}
}
// 释放内存
delete []pdKernel;
pdKernel = NULL ;
delete []pdTmp;
pdTmp = NULL;
}
http://www.cnblogs.com/IamEasy_Man/archive/2010/08/17/1801477.html 纯c实现
void gaussianFilter(uchar* data, int width, int height) |
02 | { |
03 | int i, j, index, sum; |
04 | int templates[9] = { 1, 2, 1, |
05 | 2, 4, 2, |
06 | 1, 2, 1 }; |
07 | sum = height * width * sizeof (uchar); |
08 | uchar *tmpdata = (uchar*) malloc (sum); |
09 | memcpy (( char *)tmpdata,( char *)data, sum); |
10 | for (i = 1;i < height - 1;i++) |
11 | { |
12 | for (j = 1;j < width - 1;j++) |
13 | { |
14 | index = sum = 0; |
15 | for ( int m = i - 1;m < i + 2;m++) |
16 | { |
17 | for ( int n = j - 1; n < j + 2;n++) |
18 | { |
19 | sum += |
20 | tmpdata[m * width + n] * |
21 | templates[index++]; |
22 | } |
23 | } |
24 | data[i * width + j] = sum / 16; |
25 | } |
26 | } |
27 | free (tmpdata); |
28 | } |
一个模板
http://www.360doc.com/content/12/0921/16/10724725_237423041.shtml
//**********************************************************************
//模板操作
//图像信息头
//图像数据
//模板大小 以0开始
//模板中心元素 以0开始
//模板数据
//模板系数
//**********************************************************************
BOOL ImgTemplate(BITMAPINFO* pbmpinfo,BYTE* pbmpdata,CSize TemplateSize,CSize TemplateCertel ,int *template_box,float coef)
{
LONG imagewidth=pbmpinfo->bmiHeader.biWidth;
LONG imageheigth=pbmpinfo->bmiHeader.biHeight;
LONG i=0,j=0,k=0,heigth=0,width=0;
//data is not null
if (pbmpdata == NULL)
{
return FALSE;
}
//image size
if (imageheigth <= TemplateSize.cy || imagewidth <= TemplateSize.cx)
{
return FALSE;
}
if (TemplateCertel.cx < 0 || TemplateCertel.cy < 0 || TemplateCertel.cx > TemplateSize.cx || TemplateCertel.cy > TemplateSize.cy)
{
return FALSE;
}
//color must be gray
if (pbmpinfo->bmiHeader.biBitCount != 8)
{
AfxMessageBox("只对灰度图像进行操作!");
return FALSE;
}
//image size
LONG Linebyte =( pbmpinfo->bmiHeader.biBitCount * imagewidth +31)/32*4;
LONG ImageSize=Linebyte * imageheigth;
//分配空间
BYTE *pNewbmpdata=(BYTE*)malloc(ImageSize);
//copy data
if (pNewbmpdata == NULL)
{
return FALSE;
}
memcpy(pNewbmpdata,pbmpdata,ImageSize);
BYTE *psrc=NULL;
BYTE *pdest=NULL;
LONG result=0;
for (heigth = TemplateCertel.cy ; heigth < imageheigth - TemplateSize.cy + TemplateCertel.cy + 1 ;heigth++ )
{
for ( width = TemplateCertel.cx ; width < imagewidth - TemplateSize.cx + TemplateCertel.cx + 1 ; width++)
{
psrc = (unsigned char *)pbmpdata+(ImageSize-Linebyte-
heigth*Linebyte)+width;
pdest = (unsigned char *)pNewbmpdata+(ImageSize-Linebyte-
heigth*Linebyte)+width;
j=0;
result=0;
for ( i = - TemplateCertel.cy ; i < TemplateSize.cy - TemplateCertel.cy ;i++)
{
for (k = - TemplateCertel.cx ; k < TemplateSize.cx -TemplateCertel.cy ;k++)
{
result += (LONG)(*(psrc + i * Linebyte + k)) * template_box[j++];
}
}
result = (LONG)(result * coef);
if (result>255)
{
result=255;
}
if (result<0)
{
result=0;
}
*pdest=(unsigned char)result;
}
}
memcpy(pbmpdata,pNewbmpdata,ImageSize);
free(pNewbmpdata);
return TRUE;
}
http://www.2cto.com/kf/201306/220419.html 对美女图像的缩小 图像处理之高斯金字塔java
http://blog.csdn.net/fanner01/article/details/6525270 Gaussian Smoothing Filter高斯平滑滤波器
http://blog.csdn.net/zhengtu009/article/details/21862353 滤波器设计,包括相关高斯建模,跟踪!
http://wenku.baidu.com/link?url=Z9F4EUkVxkYIAlbi7cueVEyu-rStz-4tgDvri1MM83F2RPW2vLk-xSQX7pN0lfrZ0ADsMuo6OkEEbBq2Sy4sKYUTntvOhv7r15K8gBUi_-G 基于dm6437的 canny 边缘检测
http://www.google.co.uk/patents/US6046654 高斯专利
http://d.wanfangdata.com.cn/Periodical_gxjs200703024.aspx 一种尺度自适应调整的高斯滤波器设计方法
http://www.cvchina.info/2010/05/07/diving-into-gaussian-filter-implementation/ 高斯函数计算中sigma的确定!!!
http://www.cnblogs.com/JohnShao/archive/2011/06/02/2067800.html 高斯二维转一维
http://www.cnblogs.com/JohnShao/archive/2011/08/24/2151463.html
http://blog.csdn.net/hhygcy/article/details/4329056 c++实现
http://blog.csdn.net/l_inyi/article/details/8915116 opencv 实现
http://www.verydemo.com/demo_c113_i8816.html matlab 实现
http://blog.csdn.net/pyramide/article/details/5588880 高斯卷积4种实现方法
http://www.tudou.com/programs/view/NsvOZtjS1Zo/#http://www.tudou.com/programs/view/BxfgcVCnzk8/ 高斯滤波游戏中的应用魔兽
http://www.geeks3d.com/20100909/shader-library-gaussian-blur-post-processing-filter-in-glsl/ 美女图片3d 效果