一、边缘保留滤波介绍
高斯模糊: 基于权重,权重只考虑像素空间的分布,中间的权重大,边缘的权重小。没有考虑像素值之间的差异问题,如果像素值之间的差异很大,应该不参与计算。
边缘保留滤波: 像素之间的差异很大,说明是显著特征,如果直接平滑(滤波),显著特征会消失。像素之间差异大的地方通常是边缘,所以边缘保留滤波处理后的图片,在平滑(滤波)的情况下,依旧能够保留图像的边缘,效果如下图。
二、边缘保留滤波方法
2.1 高斯双边(滤波)cv.bilateralFilter
;
import cv2 as cv
import numpy as np
def bf_demo(image):
'''高斯双边模糊:sigmaColor尽量取大一点,能让小的差异模糊掉;sigmaSpace空间差异,核取小一点,主要差异得到保留'''
dst=cv.bilateralFilter(image,0,sigmaColor=100,sigmaSpace=15)
cv.imshow("bi_demo",dst)
src=cv.imread(r'D:\Project\Opencv\Learning01\angelababy.jpg')
cv.imshow("origin image",src)
'''高斯模糊:边缘被模糊'''
dst=cv.GaussianBlur(src,(0,0),10)#高斯模糊10为sigma参数
cv.imshow('gaosi mohu',dst)
bf_demo(src)#调用边缘保留滤波——高斯双边模糊
cv.waitKey(0)
如图:(左)原图、(中)高斯模糊后的效果,边缘也被模糊、(右)高斯双边模糊,边缘特征得以保留,其余部分模糊,到达美颜效果。
2.2 均值迁移(滤波)cv.pyrMeanShiftFiltering
import cv2 as cv
import numpy as np
def Shift_demo(image):
'''均值迁移模糊:'''
dst=cv.pyrMeanShiftFiltering(image,sp=10,sr=50)
cv.imshow("bi_demo",dst)
src=cv.imread(r'D:\Project\Opencv\Learning01\angelababy.jpg')
cv.imshow("origin image",src)
'''高斯模糊:边缘被模糊'''
dst=cv.GaussianBlur(src,(0,0),10)#高斯模糊10为sigma参数
cv.imshow('gaosi mohu',dst)
Shift_demo(src)
cv.waitKey(0)
如图:(左)原图、(中)高斯模糊后的效果,边缘也被模糊、(右)均值迁移模糊,类似油画的效果。