imageJ模糊半径与OpenCV高斯模糊sigma的关系
我正在尝试使用imageJ模糊半径与OpenCV高斯模糊sigma的关系,opencv,imagej,Opencv,Imagej,我正在尝试使用高斯滤波器和imageJ软件模糊图像中的ROI 我在imageJ中获得了所需的模糊半径为9的结果 现在我尝试编写相应的 OpenCV C++应用程序>代码>来执行与 Image J < /C> >相同的操作。< /P> openCV中的Gaussian Blur签名如下： C++:void GaussianBlur（输入阵列src、输出阵列dst、大小ksize、双sigmaX、双sigmaY=0、int borderType=BORDER\u默认值） 与ImageJ模糊半径9相对
高斯滤波器imageJROIimageJ模糊半径为9现在我尝试编写相应的<代码> OpenCV C++应用程序>代码>来执行与<代码> Image J < /C> >相同的操作。< /P>
openCVGaussian BlurC++:void GaussianBlur（输入阵列src、输出阵列dst、大小ksize、双sigmaX、双sigmaY=0、int borderType=BORDER\u默认值）ImageJ模糊半径9sigmaXsigmaY但是我在使用OpenCV时没有得到相同的结果。你能详细说明一下结果是如何“不一样”的吗 ImageJ中的模糊半径定义为“‘半径’是指衰减到exp（-0.5）~61%的半径，即高斯的标准偏差σ”（来自ImageJ文档：） 我认为没有理由不在OpenCV中以同样的方式实现它 然而，我也观察到ImageJ和OpenCV高斯模糊之间的这些差异。 虽然目前我还没有办法使它们完全相同，但我设法使它们更接近，并且在实施过程中可以看到一个潜在的差异和一个肯定的差异： 内核大小（电位差）： 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大小（3*3、5*5等），但在该内核中，可以存在任意半径的高斯分布。然而，通常选择核大小，使得在核边界上，高斯函数衰减到约为零 也就是说，ImageJ会根据您选择的半径自动为您选择内核，以满足“高斯衰减为零的边界”条件。如果将sigma设置为所需半径，并将ksize设置为零，则OpenCV函数也会执行此操作。问题是“他们用同样的方式做吗？” ImageJ对此的实现比您想象的要复杂：“在ImageJ中，实际使用的内核大小取决于精度 需要：当sigma=1时，对于16位和浮点图像，内核为9像素 宽（对于2D图像为9x9），但对于8位或RGB图像为 只有7像素宽，因为如果 只有256个不同的值。对于较大的sigma值，情况更为复杂：对于sigma>=8，首先对数据进行缩小，然后应用高斯模糊，然后使用插值对原始数据点数量进行放大。缩小和插值算法专为获得最佳精度而设计。”，etc等（来自“ImageJ论坛”，我不能发布链接，因为我没有足够的声誉，但只要谷歌这句话，如果你想要的来源） 我不知道OpenCV是否进行了这样的操作，或者它是否以不同的方式计算内核大小，从而得出不同的结果。（在谷歌上找不到） 边界（当然不同）：您可能知道，高斯滤波器会对图像中的每个像素进行过滤，并根据其相邻像素计算该像素的新值。但是，如果高斯核比它们与图像边界的距离更宽，那么靠近边界的像素呢？算法是如何处理的？通过仔细检查我的图像，我发现OCV实现和IJ实现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 gaussian，“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。”（来自与上述相同的ImageJ文档） 但是，OpenCV允许您选择其他选项，而OpenCV调用中名为
BORDER\u defaultBORDER\u REFLECT\u 101BORDER\u DEFAULT=BORDER\u REPLICATE