OpenCV-Python图像模糊处理

蔚落 2022-09-16 13:27 189阅读 0赞

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][Link 1]。

## 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：

![3×3标准过滤器][3_3]

*  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-*-
    """
    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：设置卷积核大小，步距
        :param image_path:
        :return:
        """
        img = cv.imread(image_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：

![均值滤波][82d0898289de9a243e82a6656d0c8ce0.png]

## 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_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：

![高斯滤波][693f33642b6de431af13af0eff9e3317.png]

## 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：

![双边滤波][21372e6c69eb64b2b7fb75de27923191.png]

> > 获取更多计算机视觉内容，请关注微信公众号 **”AI 与计算机视觉“。**

[Link 1]: https://blog.csdn.net/weixin_40922285/article/details/102801633
[3_3]: /images/20220828/b1ceb3dcf9b5433689f4e9ef975e7ec3.png
[82d0898289de9a243e82a6656d0c8ce0.png]: /images/20220828/45a32b5f7da949bdaf111d9ca890600c.png
[693f33642b6de431af13af0eff9e3317.png]: /images/20220828/6899274df60a44a196d2571d6b312051.png
[21372e6c69eb64b2b7fb75de27923191.png]: /images/20220828/8505073c6ec64c2dbcd8eda38edb25f6.png