OpenCV C++ 最小值 最大值 滤波

取邻域内最值。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <string>
using namespace cv;

/* 自定义最小值滤波，邻域内最小,卷积核大小默认3 */
void MinFilter(Mat &src_image, Mat &dst_image, int k_size = 3) {
    int max_rows = src_image.rows;          // 行像素数
    int max_cols = src_image.cols;          // 列像素数
    int channels = src_image.channels();    // 图片是几通道的

    int p = (k_size - 1) / 2;               // -(k−1)/2 ~ (k−1)/2
    int kernel[k_size * k_size];            // 卷积核，k*k的矩阵,k为奇数

    int mint = 255;                         // 初始最大值

    // 对每个像素点进行处理
    for (int row = 0; row < max_rows; ++row) {
        for (int col = 0; col < max_cols; ++col) {
            // 1通道，灰度值
            if (channels == 1) {
                // 以当前像素点为中心的k*k的矩阵中，取最小值
                for (int i = row - p; i <= row + p; ++i)
                    for (int j = col - p; j <= col + p; ++j)
                        if(i >= 0 && i < max_rows && j >= 0 && j < max_cols)
                            if (src_image.at<uchar>(i, j) < mint)
                                mint = src_image.at<uchar>(i, j);

                dst_image.at<uchar>(row, col) = mint;   // 像素值赋最小值    
            }//if
            // 3通道，RGB
            else if (channels == 3) {
                // 分别获取R G B
                for(int chn = 0; chn < channels; ++chn) {
                    mint = 255;
                        // 以当前像素点为中心的k*k的矩阵中，取最小值
                    for (int i = row - p; i <= row + p; ++i)
                        for (int j = col - p; j <= col + p; ++j)
                            if(i >= 0 && i < max_rows && j >= 0 && j < max_cols)
                                if (src_image.at<Vec3b>(i, j)[chn] < mint)
                                    mint = src_image.at<Vec3b>(i, j)[chn];

                    dst_image.at<Vec3b>(row, col)[chn] = mint;  // 像素值赋最小值   

                }//for
            }// else if
        }// for 
    }// for 
}
/* 自定义最大值滤波，邻域内最大，卷积核大小默认3 */
void MaxFilter(Mat &src_image, Mat &dst_image, int k_size = 3) {
    int max_rows = src_image.rows;          // 行像素数
    int max_cols = src_image.cols;          // 列像素数
    int channels = src_image.channels();    // 图片是几通道的

    int p = (k_size - 1) / 2;               // -(k−1)/2 ~ (k−1)/2
    int kernel[k_size * k_size];            // 卷积核，k*k的矩阵,k为奇数

    int maxt = 0;                           // 初始最小值;

    // 对每个像素点进行处理
    for (int row = 0; row < max_rows; ++row) {
        for (int col = 0; col < max_cols; ++col) {
            // 1通道，灰度值
            if (channels == 1) {
                // 以当前像素点为中心的k*k的矩阵中，取最大值
                for (int i = row - p; i <= row + p; ++i)
                    for (int j = col - p; j <= col + p; ++j)
                        if(i >= 0 && i < max_rows && j >= 0 && j < max_cols)
                            if (src_image.at<uchar>(i, j) > maxt)
                                maxt = src_image.at<uchar>(i, j);

                dst_image.at<uchar>(row, col) = maxt;   // 像素值赋最大值    
            }// if
            // 3通道，RGB
            else if (channels == 3) {
                // 分别获取R G B
                for(int chn = 0; chn < channels; ++chn) {
                    maxt = 0;
                        // 以当前像素点为中心的k*k的矩阵中，取最小值
                    for (int i = row - p; i <= row + p; ++i)
                        for (int j = col - p; j <= col + p; ++j)
                            if(i >= 0 && i < max_rows && j >= 0 && j < max_cols)
                                if (src_image.at<Vec3b>(i, j)[chn] > maxt)
                                    maxt = src_image.at<Vec3b>(i, j)[chn];

                    dst_image.at<Vec3b>(row, col)[chn] = maxt; // 像素值赋最大值   
                }//for
            }// else if
        }// for 
    }// for 
}

int main() {
    std::string img_path = "images/";
    // 从路径中读取图片
    Mat src_image = imread(img_path + "ai.jpg");
    // 正确
    if (src_image.empty()) {
        printf("Reading image error!nn");
        system("pause");
    }
    else {
        // 沿x轴和y轴的缩放
        // resize(src_image, src_image, Size(), 0.5, 0.5, INTER_LINEAR);
        //显示图片
        imshow("Original", src_image);

        // min,max 最值滤波
        Mat dst_image_min, dst_image_max;
        dst_image_min.create(src_image.size(), src_image.type());
        dst_image_max.create(src_image.size(), src_image.type());

        MinFilter(src_image, dst_image_min);
        imshow("minImage", dst_image_min);
        // imwrite(img_path + "min.jpg", src_image);

        MaxFilter(src_image, dst_image_max);
        imshow("maxImage", dst_image_max);
        // imwrite(img_path + "max.jpg", src_image);

        waitKey(0);
    }
    return 0;
}

原图：

最小值滤波，偏暗，

最大值滤波，偏亮。

原文链接: https://www.cnblogs.com/cralor/p/14054254.html

欢迎关注

微信关注下方公众号，第一时间获取干货硬货；公众号内回复【pdf】免费获取数百本计算机经典书籍