openCV图像平滑

#图像平滑
#目的：学习使用不同的低通滤波器对图像进行模糊 and  使用自定义的滤波器对图像进行卷积（2D卷积）#卷积是一种函数运算
#1.2D卷积：
'''
#我们可以使用它对2D图像实施低通滤波，可以用来去除噪音，模糊图像；实施高通滤波找到图像的边缘。
#对一幅图像进行卷积操作函数：cv2.filter2D()
#使用平均滤波器就是：将一个5*5的平均滤波核放在图像（5*5）的一个像素A上，求这25个数的像素的和，再取平均值，再用这个平均值代替该像素A.

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('test2.png')

kernel = np.ones((5, 5), np.float32)/25#使用平均滤波器
dst = cv2.filter2D(img, -1, kernel)
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(dst), plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
'''

#2图像模糊
#使用低通滤波可以模糊图像，对去除噪音有帮助，其实就是去除高频成分，openCV提供了四种模糊技术
'''
#1.方法1：平均
#是由一个归一卷积框完成的，用卷积框（下有照片）覆盖区域所有像素的平均值来代替中心元素
#函数：cv2.blur()和cv2.boxFilter()（如果你是想使用归一化来完成，你就要使用后面的这个函数，并且传入参数normalize=False）
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('test2.png')
blur = cv2.blur(img, (5, 5))

plt.subplot(121), plt.imshow(img), plt.title('Original')#121:1代表1行，2代表2列，所以共两个图，1表示此时正在绘制第一个图
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(blur), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
'''

'''
#方法2：高斯模糊：可以有效的从图像中去除高斯噪音https://blog.csdn.net/qq_33208851/article/details/97123411（图像噪声）
#现在把卷积换成高斯核，即原来的方框里面的值是相同的。而高斯核就是中间的值最大，其余值按距离中心元素的距离进行递减。形成一个高斯小山包。
#函数：cv2.GaussianBlur()要指定高斯核的宽和高（必须是奇数），以及高斯核沿x，y方向的标准差，如果只是指定了x方向，那么y方向也取相同值，如果标准差是0，函数会根据核函数的大小自己计算。
#也可以使用cv2.getGaussianKernel()自己构建一个高斯核
#blur = cv2.GaussianBlur(img, (5, 5), 0)
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('test2.png')
blur = cv2.GaussianBlur(img, (5, 5), 0)

plt.subplot(121), plt.imshow(img), plt.title('Original')#121:1代表1行，2代表2列，所以共两个图，1表示此时正在绘制第一个图
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(blur), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
'''


'''
#方法3：中值模糊：去除椒盐噪声
#用与卷积框对应像素的中值来替代中心像素的值，用中心像素周围（也可以是它本身）代替自己，他能有效的去除噪声，卷积核的大小也是一个奇数。
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('test4.png')
median = cv2.medianBlur(img, 5)
plt.subplot(121), plt.imshow(img), plt.title('Original')#121:1代表1行，2代表2列，所以共两个图，1表示此时正在绘制第一个图
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(median), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
'''

#方法4：双边滤波
#可以在保持边界清晰的情况下，有效去除噪音。但是这个操作的速度会比其他慢。
#实现上面结果的原因：双边滤波在同时使用空间高斯权重和灰度值相似性高斯权重。空间高斯函数确保只有临近区域的像素中心对中心点有影响，灰度值相似性高斯函数确保只有与
#中心像素灰度值相近的才会被用来做模糊运算，所以这种方法确保边界不会被模糊掉。因为边界灰度值变化比较大。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('test5.png')

blur = cv2.bilateralFilter(img, 9, 75, 75)
plt.subplot(121), plt.imshow(img), plt.title('Original')#121:1代表1行，2代表2列，所以共两个图，1表示此时正在绘制第一个图
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(blur), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

1.3*3卷积框

2D卷积

平均

高斯模糊

中值模糊

双边滤波