OpenCV——边缘保留滤波(EPF)

前言

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）

正文

高斯双边模糊

效果图

这是第一种EPF处理方式，处理函数为：

def bi_demo(image):
    dst = cv.bilateralFilter(image,0,100,15)
    cv.imshow("bi_demo",dst)
# 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

均值迁移模糊

效果图：

有点像油画了。
用的函数是：

def shift_demo(image):
    dst = cv.pyrMeanShiftFiltering(image,10,50)
    cv.imshow("shift_function", dst)
#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；
# 第一个参数src，输入图像，8位，三通道的彩色图像，并不要求必须是RGB格式，HSV、YUV等Opencv中的彩色图像格式均可；
#
# 第二个参数dst，输出图像，跟输入src有同样的大小和数据格式,若没输入，则默认与输入的src一致；
#
# 第三个参数sp，定义的漂移物理空间半径大小；
#
# 第四个参数sr，定义的漂移色彩空间半径大小；
#
# 第五个参数maxLevel，定义金字塔的最大层数；
#
# 第六个参数termcrit，定义的漂移迭代终止条件，可以设置为迭代次数满足终止，迭代目标与中心点偏差满足终止，或者两者的结合；

具体的过程可以去看这篇博客：Opencv均值漂移pyrMeanShiftFiltering彩色图像分割流程剖析