opencv（5）我一定一定坚持学完啊！

opencv：滤波器（卷积）以及形态学转换

1.与以为信号一样，我们也可以对 2D 图像实施低通滤波（LPF），高通滤波（HPF）等。LPF 帮助我们去除噪音，模糊图像。HPF 帮助我们找到图像的边缘
OpenCV 提供的函数 cv.filter2D() 可以让我们对一幅图像进行卷积操作。

import  cv2 as cv
import  numpy as np
import  matplotlib.pyplot as plt

img=cv.imread('D:/code/opencv/images/1.png')
kernel = np.ones((5,5),np.float32)/25
#卷积核 大小为5*5 
dst = cv.filter2D(img,-1,kernel)
#图像
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()

2.图像模糊
2.1平均：可以使用函数 cv2.blur() 和 cv2.boxFilter() 来完这个任务。

blur = cv2.blur(img,(5,5))
#周围5*5大小的均值来代替原值

2.2高斯模糊
实现的函数是 cv2.GaussianBlur()。我们需要指定高斯核的宽和高（必须是奇数）。以及高斯函数沿 X，Y 方向的标准差。如果我们只指定了 X 方向的的标准差，Y 方向也会取相同值。如果两个标准差都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从图像中去除高斯噪音。

#0 是指根据窗口大小（5,5）来计算高斯函数标准差
blur = cv2.GaussianBlur(img,(5,5),0)

3.中值模糊
顾名思义就是用与卷积框对应像素的中值来替代中心像素的值。这个滤波
器经常用来去除椒盐噪声。

median = cv2.medianBlur(img,5)

4.双边滤波
函数 cv2.bilateralFilter() 能在保持边界清晰的情况下有效的去除噪音。

#9 邻域直径，两个 75 分别是空间高斯函数标准差，灰度值相似性高斯函数标准差
blur = cv2.bilateralFilter(img,9,75,75)

形态学转换

import  cv2 as cv
import  numpy as np
import  matplotlib.pyplot as plt

img=cv.imread('D:/code/opencv/images/1.png')
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 3)
#腐蚀  iterations越大腐蚀越多
dilation = cv.dilate(img,kernel,iterations = 1)
#膨胀 
opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)
#开运算
closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)
#闭运算
gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)
#形态学梯度
tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)
#礼帽
blackhat = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)
#黑帽
cv.imshow("1",erosion)
cv.imshow("2",dilation)
cv.imshow("3",opening)
cv.imshow("4",closing)
cv.imshow("5",gradient)
cv.imshow("6",tophat)
cv.imshow("7",blackhat)
cv.waitKey(0)
cv.destroyAllWindows()