边缘保留滤波
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)
两种操作
高斯双边
差异越大,越会完整保留
若是高斯模糊,则整体都会模糊掉,实现滤镜效果。
用高斯模糊像是开滤镜,双边模糊像是加美颜。
def bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None,borderType=None): # real signature unknown;restored from __doc__
#值域和空域的两个方差sigma可以简单的设置为相等,
小于10,无太大效果,大于150效果太强,像卡通片似的。
滤波器尺寸d:大于5将较慢(5 forreal-time),d=9,for
off-lineapplications,d 是像素邻域“直径”。计算的半径,半径之内
的像数都会被纳入计算,如果提供-1,会从后面的参数sigmaSpace中
自动计算。
Sigma_color颜色空间过滤器的sigma值,这个参数的值越大,
表明该像素邻域内有越宽广的颜色会被混合到一起,产生较大的半相等
颜色区域。
Sigma_space坐标空间中滤波器的sigma值,如果该值较大,则意味着
颜色相近的较远的像素将相互影响,从而使更大的区域中足够相似的
颜色获取相同的颜色。当d>0时,d指定了邻域大小且与sigmaSpace五官,
否则d正比于sigmaSpace.
函数即为:
#双边滤波的内在想法是:在图像的值域(range)上做传统滤波器
#在空域(domain)上做的工作。空域滤波对空间上邻近的点进行加
#权平均,加权系数随着距离的增加而减少;值域滤波则是对像素值
#相近的点进行加权平均,加权系数随着值差的增大而减少。
def bi_demo(image):#双边模糊
dst = cv.bilateralFilter(image,0,100,15)
cv.imshow("bi_demo",src)
(我的霉霉加美颜还变丑了哼)
(用这个图效果就很不错,但想想要是用高斯模糊会出现什么结果,全部变糊。。)
均值迁移
def pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None): # real signature unknown; restored from __doc__
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sp,定义的漂移物理空间半径大小;
#越大,细节丢失越多
第三个参数sr,定义的漂移色彩空间半径大小;
第四个参数dst,输出图像,跟输入src有同样的大小和数据格式;
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;
函数即为:
def shift_demo(image):# 均值迁移
dst = cv.pyrMeanShiftFiltering(image,10,50)
cv.imshow("shift_demo",dst)
(有点像油画不是吗)