【OpenCV】EPF边缘保留滤波

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。