1-19 平滑处理——双边滤波 opencv树莓派4B 入门系列笔记

Sisphusssss

于 2024-09-08 00:12:31 发布

阅读量329

点赞数 6

分类专栏：树莓派文章标签： opencv 笔记人工智能计算机视觉算法

本文链接：https://blog.csdn.net/2301_80015907/article/details/141788905

版权

树莓派专栏收录该内容

23 篇文章 0 订阅

订阅专栏

一、提前准备

二、代码详解

cv2.bilateralFilter函数用于对图像进行双边滤波。双边滤波是一种保持边缘的平滑技术，常用于图像去噪声和增强图像的细节。函数的四个参数如下：

三、运行现象

四、完整工程贴出

一、提前准备

1、树莓派4B 及 64位系统

2、提前安装opencv库以及 numpy库

3、保存一张图片

二、代码详解

import cv2
 
# 读取图像
img = cv2.imread('/home/raspberry4B/Pictures/MD.jpg')
 
# 进行双边滤波
filtered_img = cv2.bilateralFilter(img, 9, 75, 75)
 
# 显示原图和滤波后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Filtered Image', filtered_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

`cv2.bilateralFilter`函数用于对图像进行双边滤波。双边滤波是一种保持边缘的平滑技术，常用于图像去噪声和增强图像的细节。函数的四个参数如下：

img：输入图像。
9：表示滤波器的直径（即内核的直径）。它指定了滤波器的空间范围，也就是说，内核的大小是 9x9。
75：表示颜色空间的标准差。这个参数控制了图像中像素的颜色差异如何影响滤波。值越大，滤波器对颜色差异的容忍度越高，使得相似颜色的区域被平滑得更多。
75：表示坐标空间的标准差。这个参数控制了图像中像素位置的空间差异如何影响滤波。值越大，滤波器对空间差异的容忍度越高，使得远离中心像素的区域对滤波结果的影响越大。