PythonOpenCV-图像变换-图像模糊

0. 简介

　　图像模糊又称图像平滑处理。其主要处理图像中与周围差异较大的点，将其像素值调整为与周围相似的值，其主要目的是消除图像噪声和边缘。

 

1. 均值滤波

　　均值滤波是指以当前点为中心，用其周围N*N个点像素值的平均值来代替当前点的像素值。

　　用来计算平均值的N*N的点成为邻域，用于滤波计算的卷积核大小与邻域相同。

　　OpenCv中用cv2.blur()函数实现，其基本格式如下：

dst = cv2.blur(src, ksize [, anchor [, borderType]])

　　参数说明：

dst：滤波结果图像

src：原图像

ksize：卷积核大小，表示为(width， height)， width和height通常设置为相同值，且为正数和奇数

anchor：锚点，默认值为(-1, -1)，表示锚点位于卷积核中心

borderType：边界值处理方式

　　代码示例：

import cv2 as cv

img_src = cv.imread('Pictures/lena.jpg')
cv.imshow('src', img_src)
img_blur = cv.blur(img_src, (5, 5))
cv.imshow('blur', img_blur)
cv.waitKey(0)

　　运行结果：

 

2. 高斯滤波

 　　高斯滤波与均值滤波略有不同，它按像素点与中心点的不同距离，赋予像素点不同的权重值，越靠近中心点权重值越大，越远离中心点权重值越小，然后根据权重值计算邻域内所有像素点的和，将和作为中心点的像素值。

　　OpenCV的 cv2.GaussianBlur()函数用于实现高斯滤波，其基本格式如下:

dst = cv2.GaussianBlur(src, ksize, sigmaX [, sigmaY [, borderType]])

　　参数说明：

dst：滤波结果图像

src：原图像

ksize：卷积核大小

sigmaX：水平方向的权重值

sigmaY：垂直方向的权重值

borderType：边界值处理方式

 　　代码示例：

import cv2 as cv

img_src = cv.imread('Pictures/lena.jpg')
cv.imshow('src', img_src)
img_GaussianBlur = cv.GaussianBlur(img_src, (5, 5), 0.9)
cv.imshow('GaussianBlur', img_GaussianBlur)
cv.waitKey(0)

 

　　运行结果：

 

3. 方框滤波

　　方框滤波以均值滤波为基础，可选择是否对滤波结果进行归一化，如果选择进行归一化，则滤波结果为邻域内点的像素值之和的平均值，否则滤波结果为像素值之和。

　　OpenCV的 cv2.boxFilter()函数用于实现方框滤波，其基本格式如下：

dst = cv2.boxFilter(src, ddepth, ksize[, anchor[, normalize[, borderType]]])

　　参数说明：

dst：滤波结果图像

src：原图像

ddepth：目标图像的深度，一般使用-1表示与原图深度一样

ksize：卷积核大小，表示为(width， height)， width和height通常设置为相同值，且为正数和奇数

anchor：锚点，默认值为(-1, -1)，表示锚点位于卷积核中心

normalize：可设置为True或False，表示是否归一化

borderType：边界值处理方式

　　代码示例：

import cv2 as cv

img_src = cv.imread('Pictures/lena.jpg')
cv.imshow('src', img_src)
img_boxFilter = cv.boxFilter(img_src, -1, (3, 3), normalize=True)
cv.imshow('boxFilter', img_boxFilter)
cv.waitKey(0)

　　运行结果：

 

4. 中值滤波

　　中值滤波将邻域内的所有像素值排序，取中间值作为邻域中心点的像素值

　　OpenCV的cv2.medianBlur()函数用于实现中值滤波，其基本格式如下：

dst = cv2.medianBlur(src, ksize)

　　参数说明：

dst：滤波结果图像

src：原图像

ksize：卷积核大小，必须是大于1的奇数

　　代码示例：

import cv2 as cv

img_src = cv.imread('Pictures/lena.jpg')
cv.imshow('src', img_src)
img_medianBlur = cv.medianBlur(img_src, 21)
cv.imshow('medianBlur', img_medianBlur)
cv.waitKey(0)

　　运行结果：

 

5. 双边滤波

　　双边滤波在计算像素值的同时会考虑距离和色差信息，从而可在消除噪声的同时保护边缘信息。

　　在执行双边滤波操作时，如果像素点与当前点色差较小，则赋予其较大的权重值，否则赋予其较小的权重值。

　　OpenCV的cv2.bilateralFilter()函数用于实现双边滤波，其基本格式如下：

dst =cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, borderType])

　　参数说明：

dst：滤波结果图像

src：原图像

d：以当前点为中心的邻域的直径，一般为5

sigmaColor：双边滤波选择的色差范围

sigmaSpace：空间坐标中的sigma值，值越大表示越多的像素点参与滤波计算。当d>0时，忽略sigmaSpace，由d决定邻域大小；否则d由sigmaSpace计算得出，与sigmaSpace成比例。

borderType：边界值处理方式

　　代码示例：

import cv2 as cv

img_src = cv.imread('Pictures/pepper_dog.png')
cv.imshow('src', img_src)
img_dst1 = cv.bilateralFilter(img_src, 20, 100, 100)
cv.imshow('bilateralFilter', img_dst1)
cv.waitKey(0)

　　运行结果：

 

 

6. 2D卷积

　　均值滤波、高斯滤波、方框滤波、中值滤波和双边滤波等可以通过参数来确定卷积核，2D 卷积可使用自定义的卷积核来执行滤波操作。
　　OpenCV的 cv2.filter2D()函数用于实现 2D 卷积，其基本格式如下：

dst = cv2.filter2D(src, ddepth, kernel[, anchor[, delta[, borderType]]])

　　参数说明：

dst：滤波结果图像

src：原图像

ddepth：目标图像的深度，一般使用-1表示与原图深度一样

kernel：单通道卷积核(一维数组 )

anchor：锚点，默认值为(-1, -1)，表示锚点位于卷积核中心

delta：修正值，未省略时，将加上该值作为最终的滤波结果

borderType：边界值处理方式

　　代码示例：

import cv2 as cv
import numpy as np

img_src = cv.imread('Pictures/pepper_dog.png')
cv.imshow('src', img_src)
k1 = np.array([[3, 3, 3, 3, 3], [3, 9, 9, 9, 3], [3, 11, 11, 11, 3], [3, 8, 8, 8, 3],
               [3, 3, 3, 3, 3]]) / 25   # 自定义卷积核1
k2 = np.ones((5, 5), np.float32) / 25   # 自定义卷积核2
img_dst1 = cv.filter2D(img_src, -1, k1)
cv.imshow('dst1', img_dst1)
img_dst2 = cv.filter2D(img_src, -1, k2)
cv.imshow('dst2', img_dst2)
cv.waitKey(0)

　　运行结果：

 

/*-------------------------------------------------------------------------------------------------------

笔者说明：

　　该笔记来源于本人学习Python + OpenCv时的资料，

　　分享出来只是为了供大家学习，并且为了自己以后想要用的时候方便寻找。

时间：2023年8月22日

------------------------------------------------------------------------------------------------------------*/