模糊处理
模糊处理也称为滤波处理,模糊处理的目的就是为了去除噪声
1)平均模糊 :取(归一化)卷积框里的平均值代替中心像素的值,用到的语句为:cv2.blur(img,(5,5))
2)高斯模糊 :使用高斯核进行加权模糊,用到的语句为:cv2.GaussianBlur(img,(5,5),0)。
3)中值模糊 :使用卷积框中像素的中值(比如使用3x3的卷积框,则将框内的9个元素进行排序,取中值像素5来代替卷积框的中心位置),中值模糊对去除椒盐噪声很有效果,用到的语句为:cv2.medianBlur(img,5)。
4)双边滤波 : 函数 cv2.bilateralFilter() 能在保持边界清晰的情况下有效的去除噪音。但是这种操作与其他滤波器相比会比较慢。我们已经知道高斯滤波器是求中心点邻近区域像素的高斯加权平均值。这种高斯滤波器只考虑像素之间的空间关系,而不会考虑像素值之间的关系(像素的相似度)。所以这种方法不会考虑一个像素是否位于边界。因此边界也会别模糊掉,而这正不是我们想要。双边滤波在同时使用空间高斯权重和灰度值相似性高斯权重。空间高斯函数确保只有邻近区域的像素对中心点有影响,灰度值相似性高斯函数确保只有与中心像素灰度值相近的才会被用来做模糊运算。所以这种方法会确保边界不会被模糊掉,因为边界处的灰度值变化比较大。
# 模糊操作方式(三种)
# 均值模糊 blur函数
# 中值模糊 medianblur函数
# 自定义模糊
#
# 模糊操作的基本原理(卷积) 卷积和除以卷积核的个数值
# 基于离散卷积
# 定义好每个卷积核
# 不同卷积核得到不同的卷积效果
# 模糊是卷积的一种表象
import cv2
import numpy as np
def blur_demo(image):#均值模糊
dst=cv2.blur(image,(1,3)) #(1,3)说的是卷积核的大小,1行3列
cv2.imshow("blur_demo",dst)
def medianblur_demo(image):#中值模糊 消除椒盐噪声
dst=cv2.medianBlur(image,5) #(1,3)说的是卷积核的大小,1行3列
cv2.imshow("medianblur_demo",dst)
def custom_blur_demo(image): #自定义模糊
#kernel=np.ones([5,5],np.float32)/25
kernel=np.array([[5, -1, 0], [-1, 1, -5], [-1, 2, 0]],np.float32)/9
dst=cv2.filter2D(image,-1,kernel=kernel)
cv2.imshow("custom_blur_demo",dst)
print("-------HELLO PYTHON--------")
src=cv2.imread("lena.jpg")
cv2.imshow("Source_Image",src)
# blur_demo(src)
# medianblur_demo(src)
custom_blur_demo(src)
cv2.waitKey(0)
cv2.destroyAllWindows()