我正在尝试使用ROI和Gaussian filter软件模糊图像中的imageJ。
我在blur radius as 9中获得了imageJ所需的结果。
现在我正在尝试编写相应的OpenCV C++ application来执行与imageJ相同的操作。
Gaussian Blur中的openCV签名如下：
C++: void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT )
与sigmaX对应的sigmaY和ImageJ blur radius of 9是什么？
我尝试了很多资源，例如： Blur Radius
但我与OpenCV没有得到相同的结果。
答案 0 :(得分：0)
请您详细说明结果如何＆＃34;不一样＆＃34; ？
ImageJ中的模糊半径定义为＆＃34;＆＃39; Radius＆＃39;表示衰减半径为exp（-0.5）~61％，即高斯的标准偏差西格玛＆＃34; （来自ImageJ文档：https://imagej.nih.gov/ij/developer/api/ij/plugin/filter/GaussianBlur.html#GaussianBlur--） 我认为没有理由不在OpenCV中以相同的方式实现它。
然而，我也观察到ImageJ和OpenCV高斯模糊之间的这些差异。 虽然目前我没有解决办法使这些绝对相同，但我设法让它们更接近，并且可以看到一个潜在的差异和一个差异，以确保实施：
内核大小（潜在差异）： 你知道内核大小和高斯半径是两个不同的东西吗？内核大小是应用于图像的内核的大小（3 * 3,5 * 5等），但是在这个内核中，任何半径的高斯都可以存在。然而，内核大小经常被选中，使得在内核边界上，高斯函数已经衰减到大约零。
话虽如此，ImageJ会根据您选择的半径自动为您选择内核，以便在边界上实现高斯衰减为零＃34;条件。如果您将sigma设置为所需的半径并将ksize设置为零，则OpenCV函数也会执行此操作。问题是＆＃34;他们都以同样的方式做到了吗？＆＃34;。
ImageJ的实现比你想象的更棘手：＆＃34;在ImageJ中，实际使用的内核大小取决于准确性 需要：使用sigma = 1，对于16位和浮点图像，内核为9像素 宽（对于2D图像给出9x9），但对于8位或RGB图像是 只有7像素宽，因为如果不需要非常高的精度 只有256个不同的值。对于较大的sigma值，情况更复杂：对于sigma> = 8，首先缩小数据，然后应用高斯模糊，并使用插值来放大到原始数据点数。降尺度和插值算法是专门为最高精度设计的。＆＃34;等等（来自＆＃34; ImageJ论坛＆＃34;，我不能发布链接，因为我没有足够的声誉，但只要谷歌这个引用，如果你想要源）
我不知道OpenCV是否执行此类操作，或者它是否以不同方式计算内核大小，从而产生不同的结果。 （无法通过Google找到它。）
边框（确定不同）：您可能知道，高斯滤镜会遍历图像中的每个像素，并根据其邻居计算此像素的新值。但是接近边界的像素呢，高斯核比距离图像边界的距离宽？算法如何处理它？通过更仔细地检查我的图像，我发现OCV实现和IJ之间的主要区别在于边界像素。
事实证明，ImageJ和OpenCV处理这些像素的方式不同：
ImageJ高斯，＆＃34;与ImageJ中的所有卷积运算一样，它假设图像外像素的值等于最近的边缘像素。＆＃34; （来自与上面相同的ImageJ文档）。
但是，OpenCV允许您选择其他选项，而OpenCV调用中名为BORDER_DEFAULT的默认选项为BORDER_REFLECT_101（http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_core/py_basic_ops/py_basic_ops.html）（至少我认为是，它是使用边框的另一种方法的默认边框，所以我认为它也是高斯的默认边框）。 BORDER_REFLECT_101种＆＃34;镜像＆＃34;边界（gfedcb | abcdefgh，见链接）。
要靠近ImageJ（aaaaaaaa | abcdefgh），请使用BORDER_DEFAULT=BORDER_REPLICATE。有了这个，我在两个实现之间得到了更接近的结果（尽管不完全相同，如果我找到更多线索，我将继续调查和编辑我的答案）。
[注意：我使用的是Python2.7（不是C ++）和OpenCV 3，但我认为它不会对这个问题产生影响]