Python OpenCV图像模糊处理介绍

目录

• 均值滤波
• 高斯滤波
• 高斯双边滤波

其实我们平时在深度学习中所说的卷积操作，在 opencv 中也可以进行，或者说是类似操作。那么它是什么操作呢？它就是图像的模糊（滤波）处理。

均值滤波

使用 opencv 中的cv2.blur(src, ksize)函数。其参数说明是：

src: 原图像ksize: 模糊核大小

原理：它只取内核区域下所有像素的平均值并替换中心元素。3x3 标准化的盒式过滤器如下所示：

特征：核中区域贡献率相同。作用：对于椒盐噪声的滤除效果比较好。

# -*-coding:utf-8-*-
编程客栈"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv


def image_blur(image_path: str):
    """
    图像卷积操作www.cppcns.com：设置卷积核大小，步距
    :param image_path:
    :return:
    """
    img = cv.imread(imag编程客栈e_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 模糊操作（类似卷积），第二个参数ksize是设置模糊内核大小
    result = cv.blur(img, (5, 5))
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_blur(path)

结果展示：

高斯滤波

高斯滤波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函数。

说明：sigmaX,sigmaY分别表示 X,Y 方向的标准偏差。如果仅指定了sigmaX，则sigmaY与sigmaX相同；如果两者都为零，则根据编程客栈内核大小计算它们。

特征：核中区域贡献率与距离区域中心成正比，权重与高斯分布相关。

作用：高斯模糊在从图像中去除高斯噪声方面非常有效。

def image_conv(image_path: str):
    """
    高斯模糊
    :param image编程客栈_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('img', img)
    # 高斯卷积（高斯滤波）， 可以设置ksize，必须为奇数，不为0时，后面的步骤不起作用；也可以设置成（0，0），然后通过sigmaX和sigmaY计算标准偏差
    result = cv.GaussianBlur(img, (0, 0), 15)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_conv(path)

结果展示：

高斯双边滤波

双边滤波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函数。

说明：d为邻域直径，sigmaColor为空间高斯函数标准差，参数越大，临近像素将会在越远的地方越小。

sigmaSpace灰度值相似性高斯函数标准差，参数越大，那些颜色足够相近的的颜色的影响越大。

双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空间与信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部处理的特点。之所以能够达到保边去噪的滤波效果是因为滤波器由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个是由像素差值决定滤波器系数。

特征：处理耗时。作用：在滤波的同时能保证一定的边缘信息。

# 边缘保留滤波器——高斯双边模糊
def image_bifilter(image_path: str):
    """
    高斯双边模糊
    :param image_path: 图片文件
    :return: 无返回值
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 第三个参数是设置色彩、第四个参数是设置图像坐标
    result = cv.bilateralFilter(img, 0, 50, 10)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_bifilter(path)

结果展示：

 到此这篇关于python OpenCV图像模糊处理介绍的文章就介绍到这了,更多相关Python OpenCV图像模糊处理内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！