opencv高斯滤波cv2.GaussianBlur

最新推荐文章于 2024-09-01 12:13:08 发布

仝笛

最新推荐文章于 2024-09-01 12:13:08 发布

阅读量4.7w

点赞数 10

分类专栏：总结 python-opencv 文章标签： python opencv

本文链接：https://blog.csdn.net/weixin_42764391/article/details/89107681

版权

import cv2

img=cv2.imread('1.jpg')

#(5, 5)表示高斯矩阵的长与宽都是5，标准差取0
blur=cv2.GaussianBlur(img,(5,5),0)

cv2.imshow('Gaussian

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

仝笛

关注关注

10
点赞
踩
33

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

【opencv-c++】cv::GaussianBlur高斯滤波

jn10010537的博客

10-16

2276

高斯模糊本质上是低通滤波器，根据上图高斯分布公式，和滤波器所覆盖像素距离中心的距离，就可以计算每个像素被滤波后的像素值。sigmaY：Y 方向高斯滤波器标准差（如果输入 0，则会被设置成等于 sigmaX，如果 sigmaX 和 sigmaY 都输入 0，则会根据滤波器尺寸来计算得到标准差）ksize：滤波器尺寸，可以不是正方形，但是必须为正奇数（如果设置为 0，则由输入的标准差来计算所需的尺寸）。dst：输出图像，与输入图像具有相同的尺寸，通道数，和类型。以下示例引入高斯滤波，对原图像进行高斯模糊。

opencv之GaussianBlur()函数

duwangthefirst的博客

04-17

4万+

概述 GaussianBlur()函数用高斯滤波器（GaussianFilter）对图像进行平滑处理。该函数将源图像与指定的高斯内核进行卷积，同时也支持in-place滤波。 API说明 C++ API： void cv::GaussianBlur ( InputArray src, （原始图像：channels不限，各通道单独处理；depth应当是CV_8U...

参与评论您还未登录，请先登录后发表或查看评论

《Practical Python and OpenCV》学习记录 -2

remanented的博客

10-14

1193

书本中接下来介绍了一些基本更加高级概念和操作: 直方图,归一化,平滑化,模糊化,边缘检测等. 4.Histogram(直方图): 直方图:描述了在图像中像素值大小的分布状态. 计算函数:cv2.calcHist(images,channels,mask,histSize,ranges) channels:是一个列表,表示通道索引.如要计算灰度图的直方图,则该参数为[0],如果要计算三...

opencv学习笔记20-opencv高斯滤波实现人脸磨皮

最新发布

The_xz的博客

09-01

411

【代码】opencv学习笔记20-opencv高斯滤波实现人脸磨皮。

cv2.GaussianBlur()

Scarlett的博客

06-18

1415

import cv2 blur_ksize = 5 src = cv2.imread("./poly.jpg") blur_src = cv2.GaussianBlur(src, (blur_ksize, blur_ksize), 0, 0) cv2.imshow("blur_src", blur_src) cv2.waitKey(0) cv2.destroyAllWindows()

OpenCV库学习之cv2.GaussianBlur函数

qq_46396470的博客

07-25

1711

是 OpenCV 图像处理库中的一个函数，它用于对图像进行高斯模糊处理。高斯模糊是一种常用的图像模糊技术，通过高斯函数对图像进行卷积，实现图像的平滑效果，常用于去除图像噪声或实现图像的柔化。

cv2.GaussianBlur()函数

yizhining的博客

08-26

1611

sigmaX是必选参数，但是可以将该参数设置为0，让函数自己去计算sigmaX的具体值。● src 是需要处理的图像，即原始图像。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F中的一种。● ksize 是滤波核的大小。需要注意，滤波核的值必须是奇数。版权声明：本文为CSDN博主「Justth.」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。● sigmaX 是卷积核在水平方向上（X 轴方向）的标准差，其控制的是权重比例。

opencv-python-cv2.GaussianBlur函数介绍

weixin_44657197的博客

10-22

4万+

opencv-python-cv2.GaussianBlur函数介绍高斯滤波cv2.GussianBlur()函数 高斯滤波 高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。 cv2.GussianBlur()函数语法：GaussianBlur（src，ksize，sigmaX [，dst [，sigmaY [，borderType]]]）-> dst ——s...

opencv高斯滤波GaussianBlur()详解(sigma取值)

wuqindeyunque的博客

12-25

4万+

滤波(blur)操作是一种基于邻域的图像平滑方法。当图像噪声只是图像的一小部分时，用某一像素点的邻域进行变换得到的新的像素点可以减小噪声的影响，从而很好的平滑噪声。均值滤波是对中心点的邻域求算术平均和，中值滤波是对中心点的邻域求中值。本文主要说的高斯滤波，高斯滤波可以看作对均值滤波的改进，以33的邻域为例，均值滤波是对这九个数求平均，而高斯滤波是对这个九个数求加权平均，其中心思想是邻域中每...

opencv图像滤波与增强(4)：cv2.blur,cv2.boxFilter,cv2.Gaussianblur,cv2.medianBlur,cv2.bilateralFilter,cv2.equa

zzccxx5的博客

09-04

1807

目录 1.线性滤波--均值滤波:cv2.blur(src,ksize,dst=None,anchor=None,borderType=None) 2.线性滤波--方框滤波:cv2.boxFilter(src,ddepth,ksize,dst=None,anchor=None,normalize=None,borderType=None) 3.线性滤波--高斯滤波:cv2.Gaussianblur(src,ksize,sigmaX,dst=None,sigmaY=None,borderType=N.

高斯滤波GaussianBlur()中参数详解

12-21

在Python的OpenCV库中，`cv2.GaussianBlur()`函数提供了实现高斯滤波的功能。下面将详细解释这个函数的各个参数。 1. `src` - 输入图像：这个参数是需要进行滤波操作的原始图像，它可以有任意数量的通道，每个通道...

CV2逐步学习-2:cv2.GaussianBlur()详解

热门推荐

sunjintaoxxx的博客

11-19

7万+

目录高斯模糊GaussianBlur()中参数详解 1.1. 由参数解释产生的问题深入理解前的准备：高斯函数、图像滤波处理及卷积核解释1.2的问题权重矩阵、高斯模糊的流程摘要 高斯滤波是一种线性平滑滤波 高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。基于二维高斯函数，构建权重矩阵，进而构建高斯核

opencv-python-cv2.GaussianBlur（）函数介绍

weixin_52012241的博客

01-03

2万+

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。语法：cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)-> dst ——src输入图像。 ——dst输出图像的大小和类型与src相同。 ——ksize高斯内核大小。 ksize.width和ksize.height可以不同，但它们都必须为正数和奇数，也可以为零，然后根据sigmaX和sigmaY计算得出。 ——sigmaX X方向上的高斯核标准偏差。

win10+Python3.7.3+OpenCV3.4.1入门学习（七）————7.3高斯滤波

qq_951274168的博客

12-11

2155

Python版本是Python3.7.3，OpenCV版本OpenCV.3.4.1，开发环境为PyCharm 在进行均值滤波和方框滤波时，其邻域内每个像素的权重是相等的。在高斯滤波中，会将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。 7.3.1 基本原理在高斯滤波中，卷积核中的值不再都是1。例如，一个3×3的卷积核可能如下图所示：在图7中，针对最左...

cv2.GussianBlur()函数

qq_41703554的博客

07-12

934

高斯滤波 高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。 cv2.GussianBlur()函数语法：GaussianBlur（src，ksize，sigmaX [，dst [，sigmaY [，borderType]]]）-> dst ——src输入图像；图像可以具有任意数量的通道，这些通道可以独立处理，但深度应为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。 ——dst输出图像的大小和类型与src相同。 ——ksize高斯内核大小。 ksiz

opencv-python库 cv2图像平滑处理 cv2.blur()&cv2.boxFilter()&cv2.GaussianBlur()&cv2.bilateralFilter()

记录学习过程

04-04

2480

cv2图像平滑处理是一种减少图像噪声、去除细节并平滑图像过渡部分的技术。均值滤波：均值滤波是最简单的平滑处理方法之一。它用图像中像素周围区域的平均值来代替每个像素的值。这种滤波方法对去除高斯噪声等简单噪声类型效果较好。在OpenCV中，可以使用cv2.blur()或cv2.boxFilter()函数来实现均值滤波。高斯滤波：高斯滤波是一种线性平滑滤波方法，它使用高斯函数对图像进行卷积。高斯滤波在平滑图像的同时能够较好地保留图像的边缘信息。

opencv-32 图像平滑处理-高斯滤波cv2.GaussianBlur()

小海聊智造

08-03

2183

在进行均值滤波和方框滤波时，其邻域内每个像素的权重是相等的。在高斯滤波中，会将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。

cv2.blur()、cv2.GaussianBlur()和cv2.medianBlur()简要介绍

weixin_45335726的博客

01-17

7789

定义 cv2.blur(img,size) cv2.GaussianBlur(img,size,std) cv2.medianBlur(img,size) 用法 cv2.blur(img,size) 函数作用均值滤波 img 输入图像 size 卷积核大小 cv2.GaussianBlur(img,size,std) 函数作用 高斯滤波 img 输入图像 size 卷积核大小大小 std 高斯函数标准差 cv

OpenCV-高斯滤波cv::GaussianBlur

翟天保的博客

06-11

1万+

函数原型void GaussianBlur( InputArray src, OutputArray dst, Size ksize,double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT );

不使用cv2.GaussianBlur的情况下, 如何用python代码写一个openCV的高斯滤波

05-13

可以使用numpy中的卷积函数实现高斯滤波。首先，我们需要创建一个高斯核，可以使用scipy中的`scipy.ndimage.gaussian_filter`函数生成一个高斯核，该函数的参数sigma控制高斯核的大小。然后，我们使用numpy中的`numpy.convolve`函数对图像进行卷积操作，这可以通过将图像和高斯核转换为一维数组来实现。下面是一个示例代码实现高斯滤波： ``` import numpy as np import cv2 def gaussian_kernel(size, sigma): kernel = np.zeros((size, size)) center = size // 2 for i in range(size): for j in range(size): x = i - center y = j - center kernel[i, j] = np.exp(-(x**2 + y**2) / (2 * sigma**2)) return kernel / (2 * np.pi * sigma**2) def gaussian_filter(image, kernel_size, sigma): kernel = gaussian_kernel(kernel_size, sigma) filtered = np.zeros_like(image) for i in range(image.shape[2]): filtered[:, :, i] = np.convolve(image[:, :, i].flatten(), kernel.flatten(), mode='same').reshape(image.shape[:2]) return filtered.astype(np.uint8) # 读取图像 image = cv2.imread('image.png') # 使用自定义高斯滤波函数进行滤波 filtered = gaussian_filter(image, kernel_size=5, sigma=1) # 显示滤波结果 cv2.imshow('Filtered Image', filtered) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这个示例代码中，`gaussian_kernel`函数用于生成高斯核，`gaussian_filter`函数用于对图像进行高斯滤波。在`gaussian_filter`函数中，我们对每个通道单独进行卷积操作，然后将结果合并成一个三维数组。最后将滤波结果转换为`uint8`类型并显示。