OpenCV均值/ SD滤波器

Question

我把它扔到那里，希望有人会尝试过这种荒谬的事情。我的目标是接收输入图像，并根据每个像素周围的小窗口的标准偏差对其进行分割。基本上，这应该在数学上类似于高斯或盒式滤波器，因为它将应用于围绕每个像素的编译时（或甚至运行时）用户指定的窗口大小，并且目标阵列将包含每个像素处的SD信息，在与原始图像大小相同的图像中。

我们的想法是在HSV空间中的图像上执行此操作，以便我可以轻松找到均匀颜色的区域（即在Hue和Sat平面中具有小的局部SD的区域）并从图像中提取它们以获得更多 - 深度处理。

所以问题是，有没有人曾经建立过这样的自定义过滤器？我不知道如何在一个简单的盒式滤波器内核中使用SD，就像用于高斯和模糊的那样，所以我猜我必须使用FilterEngine结构。另外，我忘了提到我在C ++中这样做。

非常感谢您的建议和思考。

Answer 1

维基百科对standard deviation有一个很好的解释，您可以使用它来进行标准偏差过滤。

基本上，它归结为用盒式滤镜模糊图像，用盒式滤镜模糊图像的方形，并取其差异的平方根。

更新：这可能会更好地显示来自维基百科的等式......

您可以将OpenCV blur函数视为代表感兴趣邻域的expected value（即E [X] a.k.a.样本均值）。在这种情况下，随机样本X由局部邻域中的图像像素表示。因此，通过使用上述等价，我们在OpenCV中有sqrt(blur(img^2) - blur(img)^2)之类的东西。这样做可以计算出局部均值和标准偏差。

另外，万一你好奇数学证明。这种等价称为computational formula for variance。

以下是在OpenCV中执行此操作的方法：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

Mat mat2gray(const Mat& src)
{
    Mat dst;
    normalize(src, dst, 0.0, 1.0, NORM_MINMAX);
    return dst;
}

int main()
{
    Mat image = imread("coke-can.jpg", 0);

    Mat image32f;
    image.convertTo(image32f, CV_32F);

    Mat mu;
    blur(image32f, mu, Size(3, 3));

    Mat mu2;
    blur(image32f.mul(image32f), mu2, Size(3, 3));

    Mat sigma;
    cv::sqrt(mu2 - mu.mul(mu), sigma);

    imshow("coke", mat2gray(image32f));
    imshow("mu", mat2gray(mu));
    imshow("sigma",mat2gray(sigma));
    waitKey();
    return 0;
}

这会产生以下图像：

原始

平均数

标准偏差

希望有所帮助！

Answer 2

如果您想以更通用的方式使用它，可以产生nan值

接近零的值有时可能是“负”。

Mat sigma;
cv::sqrt(mu2 - mu.mul(mu), sigma);

正确的方法应该

Mat sigma;
cv::sqrt(cv::abs(mu2 - mu.mul(mu)), sigma);