Opencv实现的陷波滤波器
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=,int cvtype=CV_32FC2)
{
Mat filt(rows,cols,cvtype,Scalar::all());
int cx=cols/,cy=rows/;
float D02=D0*D0;
for(int i=;i<rows;i++)
{
for(int j=;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=-/(+pow(Duv2/D02,n));
int u1=u-,v1=v-;
float D2=u1*u1+v1*v1;
float H1=-/(+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[]+j*filt.step[]); for(int c=;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=,int cvtype=CV_32FC2)
{
Mat filt(rows,cols,cvtype,Scalar::all());
int cx=cols/,cy=rows/;
int numNotch=np.size();
float* D2=D;
for(int i=;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=;i<rows;i++)
{
for(int j=;j<cols;j++)
{
int u=cx-j,v=cy-i;//中心坐标
for(int s=;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]=-/(+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]=-/(+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[]+j*filt.step[]); for(int c=;c<filt.channels();c++)
{
p[c]=Hk[]*H_k[];
for(int k=;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());
int cx=cols/,cy=rows/; // float D02=D0*D0;
int numNotch=np.size();
float* D2=D;
for(int i=;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=;i<rows;i++)
{
for(int j=;j<cols;j++)
{
int u=cx-j,v=cy-i;//中心坐标
for(int s=;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]=-exp(-Dk[s]/(D2[s]*)); 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]=-exp(-D_k[s]/(D2[s]*));
}
//.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[]+j*filt.step[]); for(int c=;c<filt.channels();c++)
{
p[c]=Hk[]*H_k[];
for(int k=;k<numNotch;k++)
{
p[c]*=Hk[k]*H_k[k];
}
} }
}
return filt;
} int main()
{
Point np[]={Point(,),Point(,),Point(,),Point(,)};//输入陷波坐标数组
vector<Point> vnp(np,np+);
float D[]={,,,};
// Mat filt1=notchFilter_BTW(500,600,vnp,D,2);
Mat filt1=notchFilter_GAUSS(,,vnp,D);
Mat fc1;
extractChannel(filt1,fc1,);
imshow("filter ",fc1); waitKey();
return ;
}
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:
Opencv实现的陷波滤波器的更多相关文章
- 双T型陷波滤波器
有时,我们需要设计个滤波器滤除特定一个频率的噪音.这时就需要陷波滤波器了. 陷波器是带阻滤波器的一种,带阻滤波器的滤除频率有一定宽度,而陷波就是对某一个频率噪音的滤除. 双T型陷波滤波器应该是最常见的 ...
- OpenCV 实现自己的线性滤波器
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #i ...
- Opencv 3入门(毛星云)摘要
第一章 环境搭建: 1. 环境变量path 添加 D:\Program Files\opencv\build\x86\vc11\bin 2. VS在VC++项目中,属性管理器\属性. VC++目 ...
- 图像滤波与OpenCV中的图像平滑处理
.About图像滤波 频率:可以这样理解图像频率,图像中灰度的分布构成一幅图像的纹理.图像的不同本质上是灰度分布规律的不同.但是诸如"蓝色天空"样的图像有着大面积近似的灰度强度,而 ...
- 学习 opencv---(7) 线性邻域滤波专场:方框滤波,均值滤波,高斯滤波
本篇文章中,我们一起仔细探讨了OpenCV图像处理技术中比较热门的图像滤波操作.图像滤波系列文章浅墨准备花两次更新的时间来讲,此为上篇,为大家剖析了"方框滤波","均值滤 ...
- OpenCV3编程入门.知识点
1. 第三部分 掌握 imgproc 组件 第六章 图像处理 6.1.线性滤波: Pdf.P170 Pdf.P171 平滑处理(smoothing)(模糊处理(bluring))-- 使用频率很高 - ...
- 音频DAC剖析---解开HI-FI音质的秘密
选自:http://mp3.zol.com.cn/54/547689.html 无论我们是买MP3.MP4也好,实际上我们的数码播放器最经常使用的就是音乐播放功能,所以数码播放器的音质,一直是消费者的 ...
- paper 108:系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型 退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化 噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...
- Android FM模块学习之四源码学习(2)
前几章我们分析了FM模块的几个主要的类文件,今天要分析的是:FMTransceiver.java // 某些工程中名称为FMRadioService.java public class FmTra ...
随机推荐
- 【三】材质反射属性模型BRDF
双向反射分布函数(BRDF:Bidirecitonal Reflectance Distribution Function) 用来描述物体表面对光的反射性质 预备知识 BRDF的定义和性质 BRDF模 ...
- typescript枚举字符串型不能使用函数问题
数字型枚举 enum OrderStatus { Start = 1, Unpaid, Shipping, Shipped, Complete } 或者 enum OrderStatus { Star ...
- hdu 6065 RXD, tree and sequence
题 OwO http://acm.hdu.edu.cn/showproblem.php?pid=6065 (2017 Multi-University Training Contest - Team ...
- expect无交互操作
#!/usr/bin/expect set ip '192.168.4.5' set ' set timeout spawn ssh root@$ip expect { "yes/no&qu ...
- laravel中遇到的坑
已经遇到的坑和未来可能遇到的坑都将在这里写出来: 在资源控制器中创建新的方法后(如果资源控制器中的7个方法无法满足你的需求时,你就会创建新的方法),接下来就是创建路由,这个时候注意了,你必须要把路由放 ...
- java中的排列组合
使用之前需要声明一个Combine的对象,调用startCombile方法,可返回想要的组合数或者个数,参数介绍很重要 public class Combine { private Object[] ...
- LCA离线Tarjan,树上倍增入门题
离线Tarjian,来个JVxie大佬博客最近公共祖先LCA(Tarjan算法)的思考和算法实现,还有zhouzhendong大佬的LCA算法解析-Tarjan&倍增&RMQ(其实你们 ...
- MySQL索引(二)B+树在磁盘中的存储
MySQL索引(二)B+树在磁盘中的存储 回顾  上一篇文章<MySQL索引为什么要用B+树>讲了MySQL为什么选择用B+树来作为底层存储结构,提了两个知识点: B+树索引并不能直接找 ...
- Ubuntu安装之pycharm安装
什么??公司要用Ubuntu(乌班图)?不会用??怎么进行python开发??? 乌班图操作系统下载地址:http://releases.ubuntu.com/18.04/ubuntu-18.04.1 ...
- 1.Linux常用命令大全
系统信息 arch 显示机器的处理器架构uname -m 显示机器的处理器架构uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) h ...