前言

opencv-python教程學(xué)習(xí)系列記錄學(xué)習(xí)python-opencv過程的點(diǎn)滴，本文主要介紹圖像平滑，堅持學(xué)習(xí)，共同進(jìn)步。

系列教程參照OpenCV-Python中文教程；

系統(tǒng)環(huán)境

系統(tǒng)：win7_x64;

python版本：python3.5.2；

opencv版本：opencv3.3.1；

內(nèi)容安排

1.知識點(diǎn)介紹；

2.測試代碼；

具體內(nèi)容

1.知識點(diǎn)介紹；

?本文主要基于cv2包介紹幾種常見的平滑濾波方法，比如2D卷積、均值濾波、高斯模糊、中值濾波、雙邊濾波。

對于圖像的平滑與濾波，但從濾波角度來講，一般主要目的都是為了實(shí)現(xiàn)對圖像噪聲的消除，增強(qiáng)圖像的效果。?圖像的濾波可以看成是濾波模板與原始圖像對應(yīng)部分的的卷積運(yùn)算。

1.1 2D卷積；

對于2D圖像可以進(jìn)行低通或者高通濾波操作，低通濾波（LPF）有利于去噪，模糊圖像，高通濾波（HPF）有利于找到圖像邊界。

Opencv提供的一個通用的2D濾波函數(shù)為cv2.filter2D()，濾波函數(shù)的使用需要一個核模板，對圖像的濾波操作過程為：將核模板放在圖像的某個像素上，求與之對應(yīng)的圖像上的每個像素點(diǎn)的和，核不同，得到的結(jié)果不同，而濾波的使用核心也是對于這個核模板的使用，需要注意的是，該濾波函數(shù)是單通道運(yùn)算的，也就是說對于彩色圖像的濾波，需要將彩色圖像的各個通道提取出來，對各個通道分別濾波才行。

kernel = np.ones((5,5),np.float32)/25 dst = cv2.filter2D(img,-1,kernel)

1.2 均值濾波；

這是由一個歸一化卷積框完成的，他只是用卷積框覆蓋區(qū)域所有像素的平均值來代替中心元素。可以使用cv2.blur()和cv2.boxFilter()來實(shí)現(xiàn)， 我們需要設(shè)定卷積框的寬和高。同樣是一個矩陣。

blur = cv2.blur(img,(5,5))

1.3 高斯模糊

?高斯模糊即是將卷積核換成高斯核，核區(qū)域中的數(shù)值符合高斯分布，實(shí)現(xiàn)的函數(shù)是cv2.GaussianBlur()，需要指定高斯核的寬和高（必須是奇數(shù)），以及高斯函數(shù)沿X,Y方向的標(biāo)準(zhǔn)差。高斯濾波可以有效的從圖像中去除高斯噪音，也可以使用cv2.getGaussianKernel()自己構(gòu)建一個高斯核。

# 0是指根據(jù)窗口大小（5,5）來計算高斯函數(shù)標(biāo)準(zhǔn)差 blur = cv2.GaussianBlur(img,(5,5),0)

1.4 中值濾波；

中值濾波是使用區(qū)域的中值來代替中心像素的值，用來去除椒鹽噪聲，卷積核的大小是奇數(shù)。

blur = cv2.medianBlur(img,5)

1.5 雙邊濾波；

雙邊濾波函數(shù)為cv2.bilateralFilter()。該濾波器可以在保證邊界清晰的情況下有效的去掉噪聲即保邊去噪。它的構(gòu)造比較復(fù)雜，既考慮了圖像的空間關(guān)系，也考慮圖像的灰度關(guān)系。雙邊濾波同時使用了空間高斯權(quán)重和灰度相似性高斯權(quán)重，確保了邊界不會被模糊掉。具體原理可參考女神博客here。

#cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace) #d – Diameter of each pixel neighborhood that is used during filtering. # If it is non-positive, it is computed from sigmaSpace # 9 鄰域直徑，兩個 75 分別是空間高斯函數(shù)標(biāo)準(zhǔn)差，灰度值相似性高斯函數(shù)標(biāo)準(zhǔn)差 blur = cv2.bilateralFilter(img,9,75,75)

2. 測試代碼；

import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('test.jpg',0) #直接讀為灰度圖像 for i in range(2000): #添加點(diǎn)噪聲temp_x = np.random.randint(0,img.shape[0])temp_y = np.random.randint(0,img.shape[1])img[temp_x][temp_y] = 255#9---濾波領(lǐng)域直徑 #后面兩個數(shù)字：空間高斯函數(shù)標(biāo)準(zhǔn)差，灰度值相似性標(biāo)準(zhǔn)差 blur = cv2.bilateralFilter(img,9,75,75) plt.subplot(1,2,1),plt.imshow(img,'gray')#默認(rèn)彩色，另一種彩色bgr plt.subplot(1,2,2),plt.imshow(blur,'gray')

參考

1. 圖像平滑；

2. 圖像平滑與濾波；

3. 雙邊濾波詳解；

完

轉(zhuǎn)載于:https://www.cnblogs.com/happyamyhope/p/8134395.html

總結(jié)

以上是生活随笔為你收集整理的opencv-python教程学习系列13-图像平滑的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。