使用Python，OpenCV進行平滑和模糊

• • 1. 效果圖
  • 2. 原理
  • • 2.1 依賴庫及安裝
    • 2.2 簡單平均模糊
    • 2.3 高斯模糊
    • 2.4 中值模糊
    • 2.5 雙邊濾波
  • 3. 源代碼
  • 參考

這篇博客將介紹如何使用OpenCV對圖片進行平滑和模糊操作。
具體包括：

• 簡單平均模糊（cv2.blur)
• 加權高斯模糊（cv2.GaussianBlur）
• 中值濾波（cv2.medianBlur）
• 雙邊濾波（cv2.bilateralFilter）

平滑和模糊是計算機視覺和圖像處理中最常見的預處理步驟之一。

模糊是當相機拍攝的照片失去焦點時發生的事情。圖像中更清晰的區域會丟失其細節。模糊意味著圖像中的每個像素與其周圍的像素強度混合。鄰居中的一個“混合”像素成為模糊像素。

平滑能夠減少高頻內容，幫助忽略圖像中較小的細節，而留下更多圖像結果的內容。首先對圖像平滑或模糊后，會使得閾值化、邊緣檢測能取得更好的效果。

1. 效果圖

簡單均值模糊——原始圖 VS 3 * 3 VS 9 * 9 VS 15 * 15 效果圖如下：

M * N（均為奇數）的內核取平均值作為中心像素的值，可以看到隨著內核的增加，圖像越來越模糊~
高斯模糊——原始圖 VS 3 * 3 VS 9 * 9 VS 15 * 15 效果圖如下：

M*N（均為奇數）的內核，不是簡單的取平均值，而是取加權平均值。可以看到隨著內核的增大，圖像也會變得模糊，但能保存更多的圖像邊緣。

中值模糊——原始圖 VS 3 * 3 VS 9 * 9 VS 15 * 15 效果圖如下：

M * M（奇數，正方形）的內核，不取均值，也不取加權平均值，而是取鄰域像素的中位數值，可以看到中值模糊不像高斯平滑那樣的“自然模糊”，丟失了更多的細節和噪聲。

模糊方法的目的是減少圖像中的噪聲和細節；然而，缺點是往往會失去圖像的邊緣。為了在保持邊緣的同時減少噪聲，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。

雙邊模糊——原始圖 VS sc=21 VS sc=41 VS sc=61 效果圖如下：
可以看到既模糊了圖像，又極大的保持了邊緣。

2. 原理

2.1 依賴庫及安裝

pip install opencv-contrib-python

opencv安裝可參考

2.2 簡單平均模糊

平均值過濾器：采用M* N（均為奇數）的標準化濾波器對圖像進行卷積，取一個中心像素周圍的像素區域，將所有這些像素平均在一起，并用平均值替換中心像素。

對于輸入圖像中的每個像素，這個內核將從左到右，從上到下滑動。要計算內核中心的像素（必須使用奇數，否則就不會有真正的“中心”）被設置為它周圍所有其他像素的平均值。

• 隨著內核大小的增加，圖像的模糊程度也會隨之增加。簡單地說：平滑內核越大，圖像看起來就越模糊。 這很容易導致圖像中對象的重要結構邊緣的丟失。
• 雖然平均平滑很容易理解，但它也會平均加權核心區域內的每個像素，這樣做很容易使圖像過度模糊，錯過重要的邊緣。可以通過應用高斯模糊來解決這個問題。

2.3 高斯模糊

高斯模糊類似于平均模糊，但使用的不是簡單的平均值，而是加權平均值，即更接近中心像素的鄰域像素對平均值貢獻更多的“權重”。

• 高斯平滑用于去除近似服從高斯分布的噪聲。M * N（均為奇數）的內核，取加權平均值，使得能夠保持圖像中更多的邊緣，看起來更“自然模糊。”

-當內核的大小增加時，應用于輸出圖像的模糊量也會增加。但是，模糊看起來更“自然”，比簡單的平均平滑更能保留圖像中的邊緣。

2.4 中值模糊

**中值模糊方法在去除椒鹽噪聲時是最有效的。**想象一下拍照，把它放在你的餐桌上，然后在上面撒鹽和胡椒。使用中值模糊方法，可以從圖像中去除椒鹽。

• M * M（均為奇數，正方形的內核），在均值模糊、高斯模糊中，核大小可以是矩形的，而中值模糊的核大小必須是方形的。不同于取平均值，而是用鄰域的中值代替中心像素。
• 中值模糊在去除圖像中的椒鹽噪聲方面更有效的原因是，每個中心像素總是被存在于圖像中的像素強度所取代。由于中位數對異常值具有魯棒性，因此椒鹽噪聲對中位數的影響將小于另一種統計方法，如平均值。
• 平均和高斯等方法計算鄰域的平均值或加權平均值-該平均像素強度可能存在于鄰域中，也可能不存在于鄰域中。但根據定義，中間像素必須存在于鄰域中。
• 通過將中心像素替換為中值而不是平均值，可以大大降低噪聲。但也會丟失更多的細節。

2.5 雙邊濾波

雙邊濾波能很好的彌補尚需三種模糊方法的缺陷，能顯著平滑圖像的細節和紋理，同時仍然保留邊界和邊緣。
是通過倆個高斯核實現的。

• diameter：定義像素鄰域的直徑——直徑越大，模糊計算中包含的像素就越多，是一個正方形的內核大小。
• sigmaColor： 顏色標準差——值越大，表示在計算模糊度時，將考慮鄰域中的更多顏色。足夠大——則只有顏色相似的像素才會對模糊產生顯著影響。
• sigmaSpace： 空間標準差——值越大意味著遠離中心像素直徑的像素將影響模糊計算。
  blurred = cv2.bilateralFilter(image, diameter, sigmaColor, sigmaSpace)

3. 源代碼

# USAGE
# python blurring.py --image images/flower.jpg
# 對圖像執行簡單平均模糊、高斯模糊、中值模糊；# 導入必要的包
import argparseimport cv2
import imutils# 構建命令行參數及解析
# --image 要執行平滑和模糊操作的圖像路徑
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", type=str, default="adrian.png",help="path to input image")
args = vars(ap.parse_args())# 加載圖像，展示它，初始化一個內核list，因此可以評估不同內核大小對模糊的影響
image = cv2.imread(args["image"])
image = imutils.resize(image, width=300)
cv2.imshow("Original", image)
kernelSizes = [(3, 3), (9, 9), (15, 15)]# 遍歷內核
# 可以看到圖像隨著內核大小的增加而變得模糊。內核越大，圖像就會越模糊。
for (kX, kY) in kernelSizes:# 應用當前內核執行簡單平均模糊# 圖像，高斯內核blurred = cv2.blur(image, (kX, kY))cv2.imshow("Average ({}, {})".format(kX, kY), blurred)cv2.waitKey(0)# 關閉所有窗口，清理屏幕
cv2.destroyAllWindows()
cv2.imshow("Original", image)# 遍歷內核
for (kX, kY) in kernelSizes:# 對圖像應用高斯平滑# 圖像，高斯內核，sigma（標準偏差，0表示根據內核自動計算）blurred = cv2.GaussianBlur(image, (kX, kY), 0)cv2.imshow("Gaussian ({}, {})".format(kX, kY), blurred)cv2.waitKey(0)# 關閉所有窗口，清理屏幕
cv2.destroyAllWindows()
cv2.imshow("Original", image)# 遍歷內核
for k in (3, 9, 15):# 應用中值模糊# 圖像，內核blurred = cv2.medianBlur(image, k)cv2.imshow("Median {}".format(k), blurred)cv2.waitKey(0)# 關閉所有窗口，清理屏幕
cv2.destroyAllWindows()
cv2.imshow("Original", image)
params = [(11, 21, 7), (11, 41, 21), (11, 61, 39)]# 遍歷雙邊濾波器的直徑、顏色標準差、空間標準差
# diameter：定義像素鄰域的直徑——直徑越大，模糊計算中包含的像素就越多，是一個正方形的內核大小。
# sigmaColor： 顏色標準差——值越大，表示在計算模糊度時，將考慮鄰域中的更多顏色。足夠大——則只有顏色相似的像素才會對模糊產生顯著影響。
# sigmaSpace： 空間標準差——值越大意味著遠離中心像素直徑的像素將影響模糊計算。
for (diameter, sigmaColor, sigmaSpace) in params:# 應用當前設置參數執行雙邊濾波blurred = cv2.bilateralFilter(image, diameter, sigmaColor, sigmaSpace)# 展示輸出圖像及關聯參數title = "Blurred d={}, sc={}, ss={}".format(diameter, sigmaColor, sigmaSpace)cv2.imshow(title, blurred)cv2.waitKey(0)cv2.destroyAllWindows()

參考

• https://www.pyimagesearch.com/2021/04/28/opencv-smoothing-and-blurring/

總結

以上是生活随笔為你收集整理的使用Python，OpenCV进行平滑和模糊的全部內容，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。