平均模糊：過度模糊圖像并忽略重要的邊緣
blurred = cv2.blur(image, (kX, kY))
參數1：模糊對象
參數2：矩陣大小

高斯模糊：保留更多的圖像邊緣
blurred = cv2.GaussianBlur(image, (kX, kY), 0)
參數1：模糊對象
參數2：矩陣大小
參數3：標準方差

中位數模糊：圖像中去除鹽椒點，圖像中的雜質點
blurred = cv2.medianBlur(image, k)
參數1：模糊對象
參數2：中位數值，為整型數據，數據越大圖像越模糊

雙邊模糊：減少噪音同時仍然保持邊緣，我們可以使用雙邊模糊。雙邊模糊通過引入兩個高斯分布來實現
blurred =cv2.bilateralFilter(image, diameter, sigmaColor, sigmaSpace)
參數1：想要模糊的圖像。
參數2：像素鄰域的直徑 - 這個直徑越大，模糊計算中包含的像素越多。
參數3：顏色標準差，模糊時將考慮鄰域中的更多顏色，相似顏色的像素才能顯
著地影響模糊
參數4：空間標準偏差，更大的值意味著像素越遠離中心像素直徑將影響模糊計算。后面3個參數都為整型參數

下面我們就利用中值濾波做個示例，代碼如下：

#!/usr/bin/env python3import cv2image = cv2.imread(r"blurdemo.jpg") cv2.imshow("Input Image", image)blurred = cv2.medianBlur(image, 3) cv2.imshow("Result Image", blurred)cv2.waitKey(0) cv2.destroyAllWindows()

效果圖片如下：

總結

以上是生活随笔為你收集整理的计算机视觉开源库OpenCV之平滑、模糊和滤波的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。