BoxFilter包滤波器
转
其主要功能是：在给定的滑动窗口大小下，对每个窗口内的像素值进行快速相加求和
在模式识别领域，Haar特征是大家非常熟悉的一种图像特征了，它可以应用于许多目标检测的算法中。与Haar相似，图像的局部矩形内像素的和、平方和、均值、方差等特征也可以用类似Haar特征的计算方法来计算。这些特征有时会频繁的在某些算法中使用，因此对它的优化势在必行。Boxfilter就是这样一种优化方法，它可以使复杂度为O(MN)的求和，求方差等运算降低到O(1)或近似于O(1)的复杂度，它的缺点是不支持多尺度。
第一个提出Haar特征快速计算方法的是CVPR2001上的那篇经典论文Rapid Object Detection using a Boosted Cascade of Simple Features ，它提出了integral image的概念，这个方法使得图像的局部矩形求和运算的复杂度从O(MN)下降到了O(4)。它的原理很简单：首先建立一个数组A，宽高与原图像相等，然后对这个数组赋值，每个元素的值A[i]赋为该点与图像原点所构成的矩形中所有像素的和。初始化之后，想要计算某个矩形像素和的时候可以采用如下方法：如图D矩形的像素和就等于A[4] – A[2] – A[3] + A[1]，共4次运算，即O(4)。Integral Image极大的提高了Haar特征的计算速度，它的优点在于能够快速计算任意大小的矩形求和运算。
Boxfilter的原理有点类似Integral Image，而且比它还要快，但是实现步骤比较复杂。在计算矩形特征之前，Boxfilter与Integral Image都需要对图像进行初始化（即对数组A赋值），不同于Integral Image, Boxfilter的数组A中的每个元素的值是该像素邻域内的像素和（或像素平方和），在需要求某个矩形内像素和的时候，直接访问数组中对应的位置就可以了。因此可以看出它的复杂度是O(1)。
Boxfilter的初始化过程如下：（此处较繁琐，如睡意来袭可以略过）
1、给定一张图像，宽高为（M,N），确定待求矩形模板的宽高(m,n)，如图紫色矩形。图中每个黑色方块代表一个像素，红色方块是假想像素。
2、开辟一段大小为M的数组，记为buff, 用来存储计算过程的中间变量，用红色方块表示
3、将矩形模板（紫色）从左上角（0，0）开始，逐像素向右滑动，到达行末时，矩形移动到下一行的开头（0，1），如此反复，每移动到一个新位置时，计算矩形内的像素和，保存在数组A中。以(0,0)位置为例进行说明：首先将绿色矩形内的每一列像素求和，结果放在buff内（红色方块），再对蓝色矩形内的像素求和，结果即为紫色特征矩形内的像素和，把它存放到数组A中，如此便完成了第一次求和运算。
4、每次紫色矩形向右移动时，实际上就是求对应的蓝色矩形的像素和，此时只要把上一次的求和结果减去蓝色矩形内的第一个红色块，再加上它右面的一个红色块，就是当前位置的和了，用公式表示 sum[i] = sum[i-1] - buff[x-1] + buff[x+m-1]
5、当紫色矩形移动到行末时，需要对buff进行更新。因为整个绿色矩形下移了一个像素，所以对于每个buff[i], 需要加上一个新进来的像素，再减去一个出去的像素，然后便开始新的一行的计算了。
Boxfilter的初始化过程非常快速，每个矩形的计算基本上只需要一加一减两次运算。从初始化的计算速度上来说，Boxfilter比Integral Image要快一些，大约25%。在具体求某个矩形特征时，Boxfilter比Integral Image快4倍，所谓的4倍其实就是从4次加减运算降低到1次，虽然这个优化非常渺小，但是把它放到几层大循环里面，还是能节省一些时间的。对于那些实时跟踪检测算法，一帧的处理时间要严格在40ms以下，正是这些细小的优化决定了程序的效率，积少成多，聚沙成塔。
下面的程序是Boxfilter的示例代码，谨供参考
#pragma once
typedef unsigned char uchar;
class Boxfilter
{
public:
Boxfilter(void);
~Boxfilter(void);
void init(int width, int height, int mwidth=5, int mheight=5);
void boxfilter(unsigned char* img);
public:
float getMean(int x, int y); //以x,y为中心点，mwidth,mheight为直径的局部区域,下同
float getVar(int x, int y);
int getSum(int x, int y);
int getSquareSum(int x, int y);
int getLocalSize();
private:
int mwidth ;
int mheight ;
unsigned char* img;
int width;
int height;
int* f_sum;
int* f_sum2;
};
#include "Boxfilter.h"
#include <assert.h>
#include <string>
int* buff = 0;
int* buff2 = 0;
int boxwidth;
int boxheight;
Boxfilter::Boxfilter(void)
{
f_sum = 0;
f_sum2 = 0;
}
Boxfilter::~Boxfilter(void)
{
if(f_sum) delete[] f_sum;
if(f_sum2) delete[] f_sum2;
if(buff) delete[] buff;
if(buff2) delete[] buff2;
}
void Boxfilter::init(int width, int height, int mwidth, int mheight)
{
this->mwidth = mwidth;
this->mheight = mheight;
this->width = width;
this->height = height;
boxwidth = width - mwidth;
boxheight = height - mheight;
f_sum = new int[boxwidth *boxheight];
f_sum2 = new int[boxwidth *boxheight];
buff = new int[width];
buff2= new int[width];
}
void Boxfilter::boxfilter (unsigned char* img)
{
int j,x,y;
memset(buff, 0, width *sizeof(int));
memset(buff2, 0, width *sizeof(int));
memset(f_sum, 0, boxwidth *boxheight);
memset(f_sum2, 0, boxwidth *boxheight);
for(y=0; y<mheight; y++)//第一个长框
{
for(x=0; x<width; x++)
{
uchar pixel = img[y *width + x];//遍历每个像素点
buff[x] += pixel;//和 按列
buff2[x] += pixel*pixel;//平方和 按列
}
}
for(y=0; y<height - mheight;y++)//大长框y, 从0~height-mheight
{
int Xsum=0;
int Xsum2=0;
for(j=0; j<mwidth; j++)//滑动框
{
Xsum += buff[j];//像素和
Xsum2 += buff2[j];
}
for(x=0; x<width - mwidth; x++)//开始向右边开始滑动
{
if(x!=0)
{
Xsum = Xsum-buff[x-1]+buff[mwidth-1+x];//前一个滑动框的和减去不包含的点 加上刚包含进来的点
Xsum2 = Xsum2-buff2[x-1]+buff2[mwidth-1+x];
}
f_sum[y*(width - mwidth)+x] = (float) Xsum ;
f_sum2[y*(width - mwidth)+x] = Xsum2;
}
for(x=0; x<width; x++)//遍历到下一个长框
{
uchar pixel = img[y *width + x];//
uchar pixel2 = img[(y+mheight) *width + x];
buff[x] = buff[x] - pixel + pixel2;//遍历到下一个长框
buff2[x] = buff2[x] - pixel*pixel + pixel2*pixel2;
}
}
}
float Boxfilter::getMean(int x, int y)//获取均值
{
return getSum(x,y) / (float)(mwidth*mheight);
}
float Boxfilter::getVar(int x, int y)//获取方差
{
float mean = getMean(x, y);
return (float)getSquareSum(x, y)/(mwidth *mheight) - mean*mean;
}
int Boxfilter::getSquareSum(int x, int y)//获取平方和
{
if(y>mheight/2 && y<height - mheight/2 && x>mwidth/2 && x<width - mwidth/2)
return f_sum2[(y - mheight/2) *boxwidth + (x - mwidth/2)];
else
return -1;
}
int Boxfilter::getSum(int x, int y)//获取和
{
if(y>mheight/2 && y<height - mheight/2 && x>mwidth/2 && x<width - mwidth/2)
return f_sum[(y - mheight/2) *boxwidth + (x - mwidth/2)];//x,y 转换成 f_sum的下标 实际上(y-mheight) (x-mwidth); 上下各缺失一半， y 对应 y-mheight/2
else return -1; }
int Boxfilter::getLocalSize()//获取本地大小 { return mwidth > mheight ? mwidth : mheight; }
// cv2.4 test.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "Boxfilter.h"
#include <iostream>
using namespace cv;
using namespace std;
int _tmain(int argc, _TCHAR* argv[])
{
Mat src = imread("C:\\Documents and Settings\\Administrator\\桌面\\img1.png",0);
Boxfilter box;
box.init(src.cols, src.rows, 5, 5);
box.boxfilter((uchar*)src.data);
int x = 50, y = 50;
float a = box.getMean(x, y); //求出以(x,y)为中心的矩形的均值
float b = box.getVar(x, y);
int c = box.getSum(x, y);
int d = box.getSquareSum(x, y);
int e = box.getLocalSize();
cout<<"mean: " <<a<<endl;
cout<<"var: " <<b<<endl;
cout<<"sum: " <<c<<endl;
cout<<"squaresum: " <<d<<endl;
cout<<"size: " <<e<<endl;
getchar();
return 0;
}
http://blog.csdn.net/s12244315/article/details/50187941
- Mat boxfilter(Mat &imSrc, int r) //r为邻域的大小,
- {
- int hei = imSrc.rows;
- int wid = imSrc.cols;
- Mat imDst = Mat::zeros( hei, wid, CV_64FC1);
- //imCum = cumsum(imSrc, 1);
- Mat imCum = cumsum(imSrc,1); //1表示逐行累加
- //imDst(1:r+1, :) = imCum(1+r:2*r+1, :);
- for( int i = 0; i<r+1; i++)//初始化， 第r~2*r， imCum的第r行，对应 imDst的第一行
- {
- for( int j=0; j<wid; j++ )
- {
- imDst.at<double>(i,j) = imCum.at<double>(i+r,j); //
- }
- }
- //imDst(r+2:hei-r, :) = imCum(2*r+2:hei, :) - imCum(1:hei-2*r-1, :);
- for( int i =r+1; i<hei-r;i++) //
- {
- for( int j = 0; j<wid;j++)
- {
- imDst.at<double>(i,j) = imCum.at<double>(i+r,j)-imCum.at<double>(i-r-1,j); //减去 i, i+r ~ i+r-2r-1 因为是r的框中， 不是0~r的框中
- }
- }
- //imDst(hei-r+1:hei, :) = repmat(imCum(hei, :), [r, 1]) - imCum(hei-2*r:hei-r-1, :);
- for( int i = hei-r; i< hei; i++)
- {
- for( int j = 0; j< wid; j++)
- {
- imDst.at<double>(i,j) = imCum.at<double>(hei-1,j)-imCum.at<double>(i-r-1,j);
- }
- }
- imCum = cumsum(imDst, 2);
- //imDst(:, 1:r+1) = imCum(:, 1+r:2*r+1);
- for( int i = 0; i<hei; i++)
- {
- for( int j=0; j<r+1; j++ )
- {
- imDst.at<double>(i,j) = imCum.at<double>(i,j+r);
- }
- }
- //imDst(:, r+2:wid-r) = imCum(:, 2*r+2:wid) - imCum(:, 1:wid-2*r-1);
- for( int i =0 ; i<hei;i++)
- {
- for( int j = r+1; j<wid-r ;j++ )
- {
- imDst.at<double>(i,j) = imCum.at<double>(i,j+r)-imCum.at<double>(i,j-r-1);
- }
- }
- //imDst(:, wid-r+1:wid) = repmat(imCum(:, wid), [1, r]) - imCum(:, wid-2*r:wid-r-1);
- for( int i = 0; i< hei; i++)
- {
- for( int j = wid-r; j<wid; j++)
- {
- imDst.at<double>(i,j) = imCum.at<double>(i,wid-1)-imCum.at<double>(i,j-r-1);
- }
- }
- return imDst;
- }
// cv2.4 test.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "Boxfilter.h"
#include <iostream>
using namespace cv;
using namespace std;
int _tmain(int argc, _TCHAR* argv[])
{
Mat src = imread("C:\\Documents and Settings\\Administrator\\桌面\\img1.png",0);
Boxfilter box;
box.init(src.cols, src.rows, 5, 5);
box.boxfilter((uchar*)src.data);
int x = 50, y = 50;
float a = box.getMean(x, y); //求出以(x,y)为中心的矩形的均值
float b = box.getVar(x, y);
int c = box.getSum(x, y);
int d = box.getSquareSum(x, y);
int e = box.getLocalSize();
cout<<"mean: " <<a<<endl;
cout<<"var: " <<b<<endl;
cout<<"sum: " <<c<<endl;
cout<<"squaresum: " <<d<<endl;
cout<<"size: " <<e<<endl;
getchar();
return 0
浙公网安备 33010602011771号