OpenCV Moyenne/écart type de filtre

Wikipedia a une belle explication de écart-type, que vous pouvez utiliser pour pour un écart-type de filtre.

En gros, ça se résume à brouiller l'image avec une zone de filtre, le flou de la place de l'image, la boîte de filtre, et en prenant la racine carrée de leur différence.

Mise à JOUR: C'est probablement la meilleure façon de prouver à l'équation de Wikipedia...

Vous pouvez penser à la OpenCV blur de la fonction en tant que représentant de la la valeur attendue (c, E[X].k.un. la moyenne de l'échantillon) du quartier de l'intérêt. Les échantillons aléatoires X dans ce cas sont représentés par les pixels de l'image dans le quartier local. Par conséquent, en utilisant le dessus de l'équivalence, nous avons quelque chose comme sqrt(blur(img^2) - blur(img)^2) dans OpenCV. Cette façon de faire permet de calculer le local, les moyens et les écarts-types.

Aussi, juste au cas où vous êtes curieux au sujet de la preuve mathématique. Cette équivalence est connu comme le formule de calcul de la variance.

Ici est de savoir comment vous pouvez le faire dans OpenCV:

#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;
}

Ce produit les images suivantes:

Original

Dire

Écart-Type

Espère que ça aide!

OriginalL'auteur mevatron