opencv教程（基于python）----图象平滑处理

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。