OpenCV中还可以在图像上进行绘图操作,由于资料都比较完善,所以附上链接,自行参悟。
好了,进入正题。在一张图像,在数据存储或传输的过程中,或多或少都会引入噪声,常见的图像噪声如高斯噪声、瑞利噪声、椒盐噪声等,可参加链接:数字图像噪声
为了避免噪声对图像信息进行干扰或者说为了更有利于图像的后续处理,所以需要对图像进行滤波。在OpenCV中,有几种最基础的图像滤波函数,cv2.blur(),cv2.GaussianBlur(),cv2.medianBlur(),cv2.bilateralFiter() ,可以分别进行均值滤波、高斯滤波、中值滤波和双边滤波。
首先,看看原图:
下面的示例中,分别进行了四种方式的滤波:
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('An.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 低通滤波器的效果是对图像进行模糊和平滑,减弱了
# 物体边缘可见的快速变化。它是一种线性滤波器,原
# 理是:与核进行卷积运算,此时的核内定当我们需要
# 指定核函数进行卷积时可以用filter2D函数。
# ksize为模板宽度,奇数
# 均值平滑滤波:每个像素替换为相邻矩形内像素的平均值
blur = cv2.blur(img, (7, 7))
# 高斯平滑滤波:核为高斯核
gauss = cv2.GaussianBlur(img, (9, 9), sigmaX=2)
# 中值滤波:原理是计算这组数的中值
# 并用中值替换当前的像素值
median = cv2.medianBlur(img, 5)
# 双边滤波:很好地减少不必要的噪声,同时保持边缘
# 相当锐利。但是,与大多数过滤器相比,速度非常慢
bilateral = cv2.bilateralFilter(img, 5, 31, 31)
plt.subplot(221), plt.imshow(bilateral), plt.title('Bilateral')
plt.subplot(222), plt.imshow(blur), plt.title('Blur')
plt.subplot(223), plt.imshow(gauss), plt.title('Gaussian')
plt.subplot(224), plt.imshow(median), plt.title('Median')
plt.show()
均值滤波和高斯滤波属于线性滤波,而中值滤波和双边滤波则是非线性滤波。
运行示例:
参考链接: