Pengolahan Citra - Smoothing

Smoothing atau sering disebut Blurring adalah metode untuk mengkaburkan objek. Tujuannya adalah untuk mengurangi noise, sehingga mempermudah pemrosesan citra, terutama proses pendeteksian tepi. Hal ini karena proses smoothing dapat menghaluskan atau menyatukan bagian citra yang terpisah.

Filter yang digunakan untuk smoothing adalah linear dengan 1 dimensi. Persamaan untuk smoothing 1 dimensi dapat dilihat pada persamaan berikut:

Pada persamaan diatas terdapat H(u) yang berupa persamaan citra, dan persamaan h(x) yang berupa hasil smoothing dengan 1 dimensi. terlihat bahwa hasil smoothing adalah seperti low pass filter. Grafik median dari kedua persamaan ini terlihat pada gambar berikut:

berikut adalah contoh program smoothing:

/**

 * file Smoothing.cpp

 * brief Sample code for simple filters

 * author OpenCV team

 */

#include <iostream>

#include <vector>

#include "opencv2/imgproc/imgproc.hpp"

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/features2d/features2d.hpp"

using namespace std;

using namespace cv;

/// Global Variables

int DELAY_CAPTION = 1500;

int DELAY_BLUR = 100;

int MAX_KERNEL_LENGTH = 31;

Mat src; Mat dst;

char window_name[] = "Smoothing Demo";

/// Function headers

int display_caption( const char* caption );

int display_dst( int delay );

/**

 * function main

 */

int main( void )

{

  namedWindow( window_name, WINDOW_AUTOSIZE );

  /// Load the source image

  src = imread( "../images/lena.png", 1 );

  if( display_caption( "Original Image" ) != 0 ) { return 0; }

  dst = src.clone();

  if( display_dst( DELAY_CAPTION ) != 0 ) { return 0; }

  /// Applying Homogeneous blur

  if( display_caption( "Homogeneous Blur" ) != 0 ) { return 0; }

  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )

      { blur( src, dst, Size( i, i ), Point(-1,-1) );

        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

  /// Applying Gaussian blur

  if( display_caption( "Gaussian Blur" ) != 0 ) { return 0; }

  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )

      { GaussianBlur( src, dst, Size( i, i ), 0, 0 );

        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

  /// Applying Median blur

  if( display_caption( "Median Blur" ) != 0 ) { return 0; }

  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )

      { medianBlur ( src, dst, i );

        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

  /// Applying Bilateral Filter

  if( display_caption( "Bilateral Blur" ) != 0 ) { return 0; }

  for ( int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2 )

      { bilateralFilter ( src, dst, i, i*2, i/2 );

        if( display_dst( DELAY_BLUR ) != 0 ) { return 0; } }

  /// Wait until user press a key

  display_caption( "End: Press a key!" );

  waitKey(0);

  return 0;

}

/**

 * @function display_caption

 */

int display_caption( const char* caption )

{

  dst = Mat::zeros( src.size(), src.type() );

  putText( dst, caption,

           Point( src.cols/4, src.rows/2),

           FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );

  imshow( window_name, dst );

  int c = waitKey( DELAY_CAPTION );

  if( c >= 0 ) { return -1; }

  return 0;

}

/**

 * @function display_dst

 */

int display_dst( int delay )

{

  imshow( window_name, dst );

  int c = waitKey ( delay );

  if( c >= 0 ) { return -1; }

  return 0;

}

Hasilnya adalah sebagai berikut:

Sumber: http://www.academia.edu/5000827

http://ruangchupa.wordpress.com/2010/11/15/gaussian-smoothing-pada-hasil-capture-webcam-menggunakan-opencv-pada-c/

http://jimmyromanticdevil.wordpress.com/2013/06/17/intruduce-installation-play-with-opencv-in-python/