9、opencv 方盒、均值、高斯、中值、双边滤波 2022-08-22

import cv2
import numpy as np

img_path = "./R-C.jpg"

img = cv2.imread(img_path)

方盒滤波

# normalize = Ture时，全一矩阵乘以高宽乘积分之一，为卷积核最终值,当normalize为True时等价于均值滤波
img = cv2.boxFilter(img,-1,(5,5),normalize = True)

均值滤波

# 均值滤波
img = cv2.blur(img,(5,5))

高斯滤波

# 设定方差，卷积核中心点作为坐标原点如下图，利用公式：G（x） = （1 / 2 * np.pi * σ）* （e ** (-(x**2+y**2)/2 * σ ** 2)）
# 公式中均值为零且x轴与y轴的标准差一致
# 将坐标值作为x和y代入公式得到卷积核每个点的值再与图像做卷积操作
#  ---------------------------
#  |（-1， 1）（0， 1）（ 1， 1）|
#  |（-1， 0）（0， 0）（ 1， 0）|
#  |（-1，-1）（0，-1）（ 1，-1）|
#  ---------------------------

# 参数：img,卷积核大小，x轴标准差，y轴标准差（不设置的话与x一样）
img = cv2.GaussianBlur(img,(5,5),sigmaX = 0)

中值滤波

# 第二个参数为整型，与其他不一致
img = cv2.medianBlur(img,3)

双边滤波

# 利用空间距离和灰度（颜色）距离处理图像，所以有两个方差
# 效果就是抹平小边缘，大边缘不变（美颜--磨皮）
img1 = cv2.bilateralFilter(img,7,sigmaColor = 10,sigmaSpace = 3)

# 展示图像
cv2.imshow("img",np.hstack((img,img1)))
cv2.waitKey(0)
cv2.destroyAllWindows()