边缘保留滤波（EPF）

高斯模糊只考虑了权重，只考虑了像素空间的分布，没有考虑像素值和另一个像素值之间差异的问题，如果像素间差异较大的情况下（比如图像的边缘），高斯模糊会进行处理，但是我们不需要处理边缘，要进行的操作就叫做边缘保留滤波（EPF）

EPF的操作具体有两种做法：

1、高斯双边模糊（类似磨皮效果）

def bi_demo(image):
      '''
    高斯双边模糊:
    #image：输入图像,图像必须是8位或浮点型单通道、三通道的图像
    #0-distance：表示在过滤过程中每个像素邻域的直径范围，一般为0
    #100-sigmaColor：尽量取大，目的将小的差异模糊掉，噪声去掉
    #15- sigmaSpace：尽量取小，那么“和”就小一点，主要的差异就保留下来
     '''
    dst=cv.bilateralFilter(image,0,100,15)
    cv.imshow('bi_demo',dst)

2、均值迁移模糊，（更像似油画效果）

def shift_function(image):
    '''
       均值迁移模糊：
            sp：(The spatial window radius) 定义的漂移物理空间半径大小
            sr：(The color window radius) 定义的漂移色彩空间半径大小；

    '''
    dst = cv.pyrMeanShiftFiltering(image, 10, 50)
    cv.imshow("shift_function", dst)

完整代码

import cv2 as cv
import numpy as np
 
#高斯双边模糊EPF
def bi_demo(image):
    dst=cv.bilateralFilter(image,0,100,15)
    cv.imshow("di_demo",dst)
 
def shift_demo(image):
    dst=cv.pyrMeanShiftFiltering(image,0,10,50)
    cv.imshow("shift_demo",dst)

#读取图像，支持 bmp、jpg、png、tiff 等常用格式
src = cv.imread("F:/Projects/images/2.jpg")

#创建窗口并显示图像
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)   #显示原图

bi_demo(src)
shift_demo(src)
cv.waitKey(0)
#释放窗口
cv.destroyAllWindows()