Python OpenCV从入门到精通——第十一章——滤波器

import cv2
#图形的平滑处理（模糊处理）:去除图形内噪声（与周围像素格格不入的像素，高亮度）降低细节层次信息  常用工具：滤波器
#滤波核：以一个像素为核心，其周围元素组成n行n列矩阵
#   前三种滤波器方法使得整幅图像平滑,最后一种可有效保护边界信息
#           ——————————————————————————均值（低通）滤波器：把每个元素都当成滤波核的核心，计算核内所有像素平均值，让滤波核像素等于这个平均值
#   dst = cv2.blur(src,ksize,anchor,borderType)     参数依次是:滤波核大小格式为（高度，宽度）滤波核越大处理后图像越模糊，滤波核的锚点（可选），边界样式（可选）
#   中值滤波器ksize为边长其他滤波器ksize都为（高，宽）
img = cv2.imread("amygdalus triloba.jpg")  # 读取原图
dst1 = cv2.blur(img, (3, 3))                        # 使用大小为3*3的滤波核进行均值滤波
dst2 = cv2.blur(img, (5, 5))                        # 使用大小为5*5的滤波核进行均值滤波
dst3 = cv2.blur(img, (9, 9))                        # 使用大小为9*9的滤波核进行均值滤波
cv2.imshow("img", img)
cv2.imshow("3*3", dst1)
cv2.imshow("5*5", dst2)
cv2.imshow("9*9", dst3)
cv2.waitKey()
cv2.destroyAllWindows()


#           ——————————————————————————中值滤波器:类似均值滤波器，不同：不计算均值，将所有像素值排序，选择中间值赋给核心元素
#   dst = cv2.medianBlur(src,ksize)                参数依次是:滤波核的边长必须为大于1的奇数
img = cv2.imread("amygdalus triloba.jpg")
dst1 = cv2.medianBlur(img, 3)                       # 使用宽度为3的滤波核进行中值滤波
dst2 = cv2.medianBlur(img, 5)                       # 使用宽度为5的滤波核进行中值滤波
dst3 = cv2.medianBlur(img, 9)                       # 使用宽度为9的滤波核进行中值滤波
cv2.imshow("img", img)
cv2.imshow("3", dst1)
cv2.imshow("5", dst2)
cv2.imshow("9", dst3)
cv2.waitKey()
cv2.destroyAllWindows()


#           ——————————————————————————高斯滤波器(高斯模糊、高斯平滑）:滤波核中像素与卷积核进行卷积运算，将计算结果赋值给核心像素，越靠近核心的像素权重越大，越原理核心的像素权重越小即离谁更近跟谁更像
#   卷积核：保存的值就是核所覆盖区域的权重值，所有权重值相加为1
#   dst = cv2.GaussianBlur(src,ksize,sigmaX,sogmaY)     参数依次是:滤波核的大小，卷积核水平方向的标准差，卷积核垂直方向的标准差，（这俩参数为0表示：由计算机根据滤波核大小自动计算何时的权重比例），边界样式（可选）
img = cv2.imread("amygdalus triloba.jpg")
dst1 = cv2.GaussianBlur(img, (5, 5), 0, 0)          # 使用大小为5*5的滤波核进行高斯滤波
dst2 = cv2.GaussianBlur(img, (9, 9), 0, 0)          # 使用大小为9*9的滤波核进行高斯滤波
dst3 = cv2.GaussianBlur(img, (15, 15), 0, 0)        # 使用大小为15*15的滤波核进行高斯滤波
cv2.imshow("img", img)
cv2.imshow("5", dst1)
cv2.imshow("9", dst2)
cv2.imshow("15", dst3)
cv2.waitKey()
cv2.destroyAllWindows()



#           ——————————————————————————双边滤波器:首先判断滤波核处于平坦区域或边缘区域：若为平坦区域则使用类似高斯滤波算法进行滤波，若为边缘区域则加大边缘像素的权重，尽可能让这些像素值保持不变
#   dst = cv2.billateralFilter(src, d,sigmaColor,sigmaSpace,borderType)
#   参数依次是:以当前像素为中心的整个滤波区域的直径（若d<0，则自动根据sigmaSpace参数计算得到，该值与保留的边缘信息数量成正比，，该方法与运算效率成反比。
#   参与计算的颜色范围，该值为像素颜色值与周围像素颜色值的最大差值，只有颜色值之差小于此值时，周围元素才进行滤波运算，值为255表示所有值参与运算。
#   坐标空间的a（阿尔法）值，该值越大参与计算的像素数量越多
#   边界样式
img = cv2.imread("amygdalus triloba.jpg")
dst1 = cv2.GaussianBlur(img, (15, 15), 0, 0)        # 使用大小为15*15的滤波核进行高斯滤波
dst2 = cv2.bilateralFilter(img, 15, 120, 100)       # 双边滤波，选取范围直径为15，颜色差为120
cv2.imshow("img", img)
cv2.imshow("Gauss", dst1)                           # 显示高斯滤波效果
cv2.imshow("bilateral", dst2)                       # 显示双边滤波效果
cv2.waitKey()
cv2.destroyAllWindows()

amygdalus triloba.jpg