当前位置：首页 > news >正文

做网站页面的框架/seo职业

news 2025/7/2 15:33:01

做网站页面的框架,seo职业,中国网站备案,韶关市建设局网站操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C11 算法描述应用双边滤波到图像。该函数对输入图像应用双边滤波，如 http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Fil…

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

应用双边滤波到图像。

该函数对输入图像应用双边滤波，如 http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html 所描述的那样。bilateralFilter 可以很好地减少不需要的噪声，同时保持边缘相当锐利。然而，与大多数滤波器相比，它的速度非常慢。

Sigma值：为了简单起见，你可以将两个sigma值设置为相同。如果它们较小（< 10），滤波器不会有太大效果；而如果它们较大（> 150），则会产生很强的效果，使图像看起来“卡通化”。

滤波器大小：大的滤波器（d > 5）非常慢，因此建议在实时应用中使用 d=5，在需要大量噪声过滤的离线应用中可以考虑使用 d=9。

此滤波器不支持原地操作。

注意
函数文本ID是 “org.opencv.imgproc.filters.bilateralfilter”

函数原型

GMat cv::gapi::bilateralFilter 	
(const GMat &  	src,int  	d,double  	sigmaColor,double  	sigmaSpace,int  	borderType = BORDER_DEFAULT 
)

参数

参数 src: 源8位或浮点型，单通道或三通道图像。
参数 d: 在滤波过程中使用的每个像素邻域的直径。如果它不大于零，则从 sigmaSpace 计算得出。
参数 sigmaColor: 颜色空间中的滤波sigma值。该参数值越大表示颜色差异的影响越小，导致在颜色相近的像素之间混合更大的区域。
参数 sigmaSpace: 坐标空间中的滤波sigma值。该参数值越大表示距离的影响越小，只要它们的颜色足够接近（参见 sigmaColor）。当 d>0 时，它指定邻域大小而不考虑 sigmaSpace。否则，d 与 sigmaSpace 成正比。
参数 borderType: 边界模式用于外推图像外部的像素，请参阅 BorderTypes

返回值

返回与 src 相同大小和类型的输出图像。

代码示例

#include <opencv2/gapi/core.hpp>     // 包含G-API核心功能
#include <opencv2/gapi/imgproc.hpp>  // 包含imgproc模块，可能需要的其他G-API模块
#include <opencv2/opencv.hpp>int main()
{// 加载输入图像cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png" );if ( src.empty() ){std::cerr << "Error: Image cannot be loaded!" << std::endl;return -1;}// 定义双边滤波参数int d             = 9;                   // 邻域直径double sigmaColor = 100;                  // 颜色空间的标准差double sigmaSpace = 100;                  // 坐标空间的标准差int borderType    = cv::BORDER_DEFAULT;  // 边界填充模式// 定义G-API计算图来应用双边滤波cv::GComputation comp( [ d, sigmaColor, sigmaSpace, borderType ]() {cv::GMat in;  // 输入：源图像cv::GMat out = cv::gapi::bilateralFilter( in, d, sigmaColor, sigmaSpace, borderType );return cv::GComputation( cv::GIn( in ), cv::GOut( out ) );} );// 输出结果cv::Mat dst;try{// 执行计算图并传入实际的cv::Mat数据comp.apply( cv::gin( src ), cv::gout( dst ) );// 显示结果cv::imshow( "Original Image", src );cv::imshow( "Filtered Image", dst );cv::waitKey( 0 );  // 等待按键事件}catch ( const std::exception& e ){std::cerr << "Exception: " << e.what() << std::endl;return -1;}return 0;
}