图象平滑处理其实就是用滤波器对图象进行模糊,也可以看成一种去噪的方式。
平均
这里的原理是用卷积框覆盖区域所有像素的平均值代替中心元素,这里用到的主要函数是cv2.blur()
cv2.blur(src, ksize, dst=None, anchor=None, borderType=None)
src是图象,ksize是框的大小,剩下的元素可以忽略了。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('C:/Users/dell/Desktop/cos.jpg')
blur=cv2.blur(img,(5,5))
plt.subplot(1,2,1),plt.imshow(img),plt.title('original')
plt.xticks([]),plt.yticks([])
plt.subplot(1,2,2),plt.imshow(blur),plt.title('blurred')
plt.xticks([]),plt.yticks([])
plt.show()
一个简单平滑,框的大小是5X5的。效果如下,磨皮效果还不错。
高斯模糊
与均值模糊的不同是把卷积核换成了高斯核(也就是框里面的值由相等变成符合高斯分布的,中心值最大到两边递减)
这里用到的主要函数是cv2.GaussianBlur()。
GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)
scr是图片,ksize是框的大小,sigmax是标准差
blur=cv2.GaussianBlur(img,(5,5),0)
把之前的代码相应的位置换成这一行就好了
皮磨的也还可以。
中值模糊
就是用卷积狂对应像素的终止来代替中心像素的值。通常用来去除椒盐噪声。这里用到的主要函数是cv2.medianBlur()
medianBlur(src, ksize, dst=None)
src是图片,ksize是框的大小,最后一个参数可以忽略啦。
median=cv2.medianBlur(img,5)
一样把相应的参数换成这个就好了,由于我还是用的那个图象,去噪的效果可能不是那么显著。
双边滤波
双边滤波是可以在尽量保证边界清晰的情况下除燥,但是速度可能会很慢。高斯滤波器只考虑区域像素的高斯加权平均值,而不会考录空间关系,导致边界被模糊了。
双边滤波是同时使用空间高斯权重和灰度相似高斯权重,空间高斯函数确保只有临近区域对中心点有影响,灰度相似性函数保证只有中心像素灰度值相近的才会用来模糊运算。
函数是cv2.bilateralFilter()
bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
sec是图象,d是邻域直径,sigmaColor是颜色标准差,sigmaSpace是空间标准差。
bilateral=cv2.bilateralFilter(img,9,75,75)
老规矩,换一下相应的命令就好。这幅图可能效果不是那么显著。