【全网独家】OpenCV: 影像平滑 (blur、GaussianBlur，medianBlur、bilateralFilter)

最新推荐文章于 2024-10-12 21:40:44 发布
最新推荐文章于 2024-10-12 21:40:44 发布
阅读量367 收藏 7
点赞数 9
分类专栏： OpenCV系列实践 文章标签： opencv 人工智能 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/feng1790291543/article/details/141094987
版权

OpenCV: 影像平滑 (blur、GaussianBlur，medianBlur、bilateralFilter)

介绍

影像平滑 (Image Smoothing) 是一种减少影像中的噪声和细节的技术。常见的影像平滑方法有：

  1. 均值滤波（Blur）
  2. 高斯滤波（GaussianBlur）
  3. 中值滤波（medianBlur）
  4. 双边滤波（bilateralFilter）

这些方法在图像处理和计算机视觉中广泛应用，比如去除噪声、预处理、特征提取等。

应用使用场景

  • Blur: 去除图片中的随机噪声。
  • GaussianBlur: 平滑图像，同时保持边缘模糊最小化。
  • MedianBlur: 消除椒盐噪声（salt-and-pepper noise）。
  • BilateralFilter: 在保留边缘的同时平滑图像，非常适合图像增强和美化。

下面是使用 Python 和 OpenCV 实现上述各项功能

了解本专栏 订阅专栏 解锁全文 超级会员免费看
鱼弦
关注
专栏目录
订阅专栏
高斯滤波GaussianBlur()中参数详解
12-21
高斯滤波GaussianBlur()中参数详解： 高斯滤波是应用于图像处理，对图像进行滤波操作（平滑操作、过滤操作，去噪操作） 在python中的格式为： cv2.GaussianBlur（ SRC，ksize，sigmaX [，DST [，sigmaY [，borderType ] ] ] ） →DST 在c++中的格式为： void GaussianBlur（ InputArray src，OutputArray dst，Size ksize，double sigmaX，double sigmaY = 0，int borderType = BORDER_DEFAULT ） 其中我们最常用到
【opencv-c++】cv::GaussianBlur高斯滤波
jn10010537的博客
10-16 2260
高斯模糊本质上是低通滤波器，根据上图高斯分布公式，和滤波器所覆盖像素距离中心的距离，就可以计算每个像素被滤波后的像素值。sigmaY：Y 方向高斯滤波器标准差（如果输入 0，则会被设置成等于 sigmaX，如果 sigmaX 和 sigmaY 都输入 0，则会根据滤波器尺寸来计算得到标准差）ksize：滤波器尺寸，可以不是正方形，但是必须为正奇数（如果设置为 0，则由输入的标准差来计算所需的尺寸）。dst：输出图像，与输入图像具有相同的尺寸，通道数，和类型。以下示例引入高斯滤波，对原图像进行高斯模糊。
OpenCV如何进行图像的平滑和锐化处理？
m0_60720471的博客
03-06 2320
cv::blur: 通过均值滤波对图像进行平滑处理。 cv::GaussianBlur: 通过高斯滤波对图像进行平滑处理。 cv::medianBlur: 通过中值滤波对图像进行平滑处理。
OpenCV进行图像滤波（cv::blur()函数，cv::GaussianBlur()函数解析）
czsnooker的博客
03-28 1154
OpenCV滤波函数实例 Blur（）函数： https://docs.opencv.org/3.2.0/d4/d86/group__imgproc__filter.html#ga8c45db9afe636703801b0b2e440fce37 boxFilter与blur功能相当 参数： Src：输入图像，不限通道数 Dst：输出图像，格式与原图像一致 Ksize：滤波内核大小 Anchor：锚点，默认为Point（-1，-1），位于内核中心 border Type：像素外推的边框模式 取值方式见：
image-blur.zip_blur_opencv blur_opencv blur
09-24
在OpenCV中，可以使用`cv2.GaussianBlur()`函数来实现，需要指定高斯核的大小（宽度和高度）以及标准差。 2. **均值模糊**：均值模糊是通过计算每个像素邻域内所有像素的平均值来实现的，可以有效减小图像噪声。在...
【4】blur图像模糊.zip_blur_opencv blur函数
09-14
除了`blur()`函数，OpenCV还提供了其他模糊方法，如高斯模糊（`GaussianBlur()`）、中值模糊（`medianBlur()`）等。高斯模糊是基于高斯函数的滤波，能够更好地保留图像边缘；中值模糊则是用所在像素邻域内的中值替换...
016_影像平滑(blur、GaussianBlur) _ 阿洲的程式教學1
08-03
平均平滑正如名稱所說，將每個像素替換為相鄰矩形內像素的平均值，以3×3大小的核心來說，每個像素權重佔1/9，用這些像素的加總，替換當前的像素值，接著用卷積對整張
OpenCV实现高斯模糊GaussianBlur函数的用法（C++实现）.zip
04-12
总的来说，理解并熟练使用`cv::GaussianBlur()`函数是OpenCV图像处理中的基础技能之一，它能够帮助开发者实现各种图像平滑和降噪效果。通过调整参数，我们可以根据具体需求定制模糊程度，以达到最佳的图像处理效果。
C++OpenCV3源代码GaussianBlur函数用法
04-28
### C++ OpenCV3 源代码 GaussianBlur 函数用法详解 在图像处理领域，OpenCV 是一个非常强大的库，提供了丰富的计算机视觉算法。其中，`GaussianBlur` 函数是用于实现高斯模糊效果的重要工具之一。本文将详细介绍 `...
Opencv Gaussblur和sepfilter2D细节问题
cjluozi的博客
01-29 450
还是复现opencv的Gaussblur写成c，首先会获取kernal核，获取kernal核比较简单和matlab一模一样。源码也不贴了。而最关键的是里的卷积问题。常规的都是2X2卷积。假设有MxN的图片，用nxn的卷积核运算，复杂度是要n^2MN次操作；但opencv采用的可分离卷积滤波器sepfilter2D也就是先行卷积，复杂度nMN;再列卷积，复杂度nMN。优化计算速度。这个问题大部分博客都有，关键就是先行卷积时的补齐问题，左边自动补齐的是以下方式。 当行卷积做完后，sepfilter2D再对图片
Opencv 高斯模糊 Gaussian Blur ()
YZXnuaa的博客
01-24 1995
周边像素的平均值 所谓"模糊"，可以理解成每一个像素都取周边像素的平均值。 高斯模糊原理的图解(2张) 右图中，2是中间点，周边点都是1。 "中间点"取"周围点"的平均值，就会变成1。在数值上，这是一种"平滑化"。在图形上，就相当于产生"模糊"效果，"中间点"失去细节。 显然，计算平均值时，取值范围越大，"模糊效果"越强烈。 左图分别是原图、模糊半径3像素、模糊半径
OpenCV学习(15)-高斯平滑
OrigamiSun的博客
11-25 2311
# -*- coding: utf-8 -*- import sys import cv2 import numpy as np from scipy import signal import matplotlib.pyplot as plt def gaussBlur(img,sigma,h,w,_boundary='fill',_fillvalue=0): gaussKernel_x=cv2.getGaussianKernel(sigma,w,cv2.CV_64F) gaussker.
opencv源码解析之——高斯滤波GaussianBlur()
小白_努力
04-19 1万+
其函数声明为：      void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT ) ;      功能：对输入的图像src进行高斯滤波后用dst输出。      参数：src和dst当然
opencv学习(二十)之高斯滤波GaussianBlur()
热门推荐
烟雨博客
01-14 10万+
高斯滤波是一种线性平滑滤波，对于除去高斯噪声有很好的效果。在其官方文档中形容高斯滤波为”Probably the most useful filter”，同时也指出高斯滤波并不是效率最高的滤波算法。高斯算法在官方文档给出的解释是高斯滤波是通过对输入数组的每个点与输入的高斯滤波模板执行卷积计算然后将这些结果一块组成了滤波后的输出数组，通俗的讲就是高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值
【OpenCV】（一）—— 安装opencv环境
最新发布
dao_cao_renshuai的博客
10-12 403
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。OpenCV 是用 C++ 编写的，但它也有 Python、Java 和 MATLAB 接口，并支持 Windows、Linux、Mac OS、Android 和 iOS 操作系统。这个库提供了大量的图像处理和计算机视觉算法，是开发实时应用的理想选择。
【进阶OpenCV】 （6）--指纹识别
m0_74896766的博客
10-06 1528
本篇介绍了，如何将源图像指纹同指纹库中的指纹进行匹配，并得到的对应指纹的信息。
OpenCV--车辆数量统计/人流量统计实战
GamBleout的博客
10-09 396
【代码】OpenCV--车辆数量统计/人流量统计实战。
cv::GaussianBlur
01-18
cv::GaussianBlur()是OpenCV库中的一个函数，用于对图像进行高斯模糊处理。它可以平滑图像并减少图像中的噪声。该函数采用以下参数： - `src`：输入图像，可以是单通道或多通道图像。 - `dst`：输出图像，与输入图像具有相同的大小和类型。 - `ksize`：高斯内核的大小，必须是正奇数。较大的内核大小会导致更强的平滑效果。 - `sigmaX`：高斯内核在X方向上的标准差。如果为0，则根据`ksize`计算标准差。 - `sigmaY`：高斯内核在Y方向上的标准差。如果为0，则与`sigmaX`相同。 - `borderType`：边界模式，用于处理图像边缘的情况。 以下是一个使用cv::GaussianBlur()函数进行高斯模糊处理的示例： ```cpp #include <opencv2/opencv.hpp> int main() { cv::Mat srcImage = cv::imread("input.jpg"); // 读取输入图像 cv::Mat blurredImage; cv::GaussianBlur(srcImage, blurredImage, cv::Size(5, 5), 0, 0); // 进行高斯模糊处理 cv::imshow("Input Image", srcImage); // 显示输入图像 cv::imshow("Blurred Image", blurredImage); // 显示模糊后的图像 cv::waitKey(0); return 0; } ``` 这段代码将读取名为"input.jpg"的图像文件，并对其进行高斯模糊处理。处理后的图像将显示在窗口中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

鱼弦

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值