目标
- 使用不同的低通滤波器对图像进行模糊,去除噪音(高通滤波寻找图像边缘);
- 使用自定义的滤波器对图像进行卷积(2D 卷积)。
2D卷积(平均滤波器)
cv.filter2D(src, ddepth, kernel) -> dst
- when ddepth=-1, the output image will have the same depth as the source.
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.jpg')
kernel = np.ones((5,5), np.float32)/25 #滤波器
dst = cv2.filter2D(img, -1, kernel) #卷积
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()
1.均值模糊(平滑)
cv2.blur(src, ksize[, dst[, anchor[, borderType]]]) -> dst
- src为输入图像矩阵;
- kszie是模糊的窗口大小,例如(3,3),(5,5);
- dst是输出图像矩阵。
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.jpg')
blur = cv2.blur(img, (5,5)) #均值模糊
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('Blur')
plt.xticks([]), plt.yticks([])
plt.show()
2.高斯模糊
cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]]) -> dst
- src是输入图像矩阵;
- kszie是平滑的窗口大小,必须为奇数;
- sigmaX为标准差参数,越大则高斯函数的峰值越平稳。
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.jpg')
blur = cv2.GaussianBlur(img, (5,5), 0) #高斯模糊,0为标准差
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('GSBlur')
plt.xticks([]), plt.yticks([])
plt.show()
3.中值滤波
中值滤波器是一个常用的、有较好去噪声能力的滤波器。
cv2.medianBlur(src, ksize[, dst]) -> dst
- src是输入图像矩阵;
- ksize是窗口大小,应该为奇数。
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.jpg')
blur = cv2.medianBlur(img, 5) #中值模糊
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('medianBlur')
plt.xticks([]), plt.yticks([])
plt.show()
4.双边滤波
去噪的同时,保留边缘的信息。速度较慢,但效果超棒的!
cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]]) -> dst
- src为输入图像矩阵;
- d为滤波过程中使用的像素邻域直径;
- sigmaColor为灰度值相似性高斯函数标准差;
- sigmaSpace为空间高斯函数标准差。
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.jpg')
blur = cv2.bilateralFilter(img, 9, 75, 75) #双边滤波
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('Blur')
plt.xticks([]), plt.yticks([])
plt.show()