OpenCV学习笔记11-图像平滑

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()

---

---