五、图像平滑、滤波

目录

1、2D滤波器cv2.filter2D( )

2、均值滤波blur

3、方框滤波boxFilter

4、高斯模糊模板

5、中值滤波模板

6、双边滤波

7、联合双边滤波(未测试)

8、导向滤波

---

运用它，首先就要了解它，什么是平滑滤波？

      平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。

在看一下滤波的目的：

滤波的本义是指信号有各种频率的成分,滤掉不想要的成分,即为滤掉常说的噪声,留下想要的成分.这即是滤波的过程,也是目的。

• 抽出对象的特征作为图像识别的特征模式；

• 为适应图像处理的要求，消除图像数字化时所混入的噪声。

1、2D滤波器cv2.filter2D( )

Opencv提供的一个通用的2D滤波函数为cv2.filter2D()，滤波函数的使用需要一个核模板，对图像的滤波操作过程为：将和模板放在图像的一个像素A上，求与之对应的图像上的每个像素点的和，核不同，得到的结果不同，而滤波的使用核心也是对于这个核模板的使用，需要注意的是，该滤波函数是单通道运算的，也就是说对于彩色图像的滤波，需要将彩色图像的各个通道提取出来，对各个通道分别滤波才行。

对于2D图像可以进行低通或者高通滤波操作

　　　　低通滤波（LPF）：有利于去噪，模糊图像

　　　　高通滤波（HPF）：有利于找到图像边界

使用自定义内核对图像进行卷积。该功能将任意线性滤波器应用于图像。支持就地操作。当光圈部分位于图像外部时，该功能会根据指定的边框模式插入异常像素值。

cv2.filter2D(src,dst,ddepth,kernel,anchor=(-1,-1),delta=0,borderType=cv2.BORDER_DEFAULT)
        src: 输入图像对象矩阵
        dst:输出图像矩阵
        ddepth:输出矩阵的数值类型
        kernel:卷积核
        anchor：卷积核锚点，默认(-1,-1)表示卷积核的中心位置
        delat:卷积完后相加的常数
        borderType:填充边界类型

参数：

参数	描述
src	原图像
dst	目标图像，与原图像尺寸和通过数相同
ddepth	输出图像深度（通道数），-1表示和原图像一致
kernel	卷积核（或相当于相关核），单通道浮点矩阵;如果要将不同的内核应用于不同的通道，请使用拆分将图像拆分为单独的颜色平面，然后单独处理它们。
anchor	内核的锚点，指示内核中过滤点的相对位置;锚应位于内核中;默认值（-1，-1）表示锚位于内核中心。
detal	在将它们存储在dst中之前，将可选值添加到已过滤的像素中。类似于偏置。
borderType	像素外推法，参见BorderTypes

# encoding: utf-8

import cv2
import matplotlib.pyplot as plt
import math
import copy
import numpy as np


path = r"lena.jpg"
img = cv2.imread(path)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray1 = np.float32(gray) #转化数值类型

kernel = np.ones((5,5),np.float32)/25
dst = cv2.filter2D(gray,-1,kernel)
#cv2.filter2D(src,dst,kernel,auchor=(-1,-1))函数：
#输出图像与输入图像大小相同
#中间的数为-1，输出数值格式的相同plt.figure()

plt.subplot(1,2,1),plt.imshow(gray1,'gray')#默认彩色，另一种彩色bgr
plt.subplot(1,2,2),plt.imshow(dst,'gray')
plt.show()