彻底弄懂高斯模糊,均值模糊和中值模糊

一.均值模糊

1.什么是均值模糊

均值模糊就是对图像进行算术平均值模糊，比如输入的卷积核维度是3x3，那么这个卷积核就是如图所示：
$$\left[\begin{array}{ccc}\frac{1}{9}& \frac{1}{9}& \frac{1}{9}\\ \frac{1}{9}& \frac{1}{9}& \frac{1}{9}\\ \frac{1}{9}& \frac{1}{9}& \frac{1}{9}\end{array}\right]$$
假设我们传入的$ksize=(ksiz{e}_h,ksiz{e}_w)$，那么均值模糊的卷积核就是：
$$\frac{1}{(ksiz{e}_h,ksiz{e}_w)}\ast \left[\begin{array}{cccc}1& 1& \dots & 1\\ 1& 1& \dots & 1\\ \dots & \dots & \dots & 1\\ 1& 1& \dots & 1\end{array}\right]$$

• blur(src, ksize, dst=None, anchor=None, borderType=None)
• 参数：ksize：卷积核的大小。dst，若填入dst，则将图像写入到dst矩阵。borderType：填充方式

2. 数字化图片演示

def blur_test():
    img = np.array([[1, 1, 1, 1, 1], 
                    [2, 2, 2, 2, 2], 
                    [3, 3, 3, 3, 3], 
                    [4, 4, 4, 4, 4], 
                    [5, 5, 5, 5, 5]], dtype=np.float32)
    print(img)
    dst = cv2.blur(img, (3, 3), borderType=cv2.BORDER_CONSTANT) 
    # 卷积核为3x3，填充方式为默认0填充
    print(dst)

img经过borderType=cv2.BORDER_CONSTANT的填充之后，结果为
$$\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 1& 1& 1& 1& 1& 0\\ 0& 2& 2& 2& 2& 2& 0\\ 0& 3& 3& 3& 3& 3& 0\\ 0& 4& 4& 4& 4& 4& 0\\ 0& 5& 5& 5& 5& 5& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]$$
（3，3）的卷积核为：
$$\left[\begin{array}{ccc}\frac{1}{9}& \frac{1}{9}& \frac{1}{9}\\ \frac{1}{9}& \frac{1}{9}& \frac{1}{9}\\ \frac{1}{9}& \frac{1}{9}& \frac{1}{9}\end{array}\right]$$
进行卷积运算：
$$\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 1& 1& 1& 1& 1& 0\\ 0& 2& 2& 2& 2& 2& 0\\ 0& 3& 3& 3& 3& 3& 0\\ 0& 4& 4& 4& 4& 4& 0\\ 0& 5& 5& 5& 5& 5& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\ast \left[\begin{array}{ccc}\frac{1}{9}& \frac{1}{9}& \frac{1}{9}\\ \frac{1}{9}& \frac{1}{9}& \frac{1}{9}\\ \frac{1}{9}& \frac{1}{9}& \frac{1}{9}\end{array}\right]$$

最终的控制台输出为:
[[1. 1. 1. 1. 1.]
 [2. 2. 2. 2. 2.]
 [3. 3. 3. 3. 3.]
 [4. 4. 4. 4. 4.]
 [5. 5. 5. 5. 5.]]
 
[[0.6666667 1.        1.        1.        0.6666667]
 [1.3333334 2.        2.        2.        1.3333334]
 [2.        3.        3.        3.        2.       ]
 [2.6666667 4.        4.        4.        2.6666667]
 [2.        3.        3.        3.        2.       ]]

3. 真实图片演示

均值模糊用在真正的图片上时：

def mean_blur(image):
  src = cv.blur(image,(10,10),borderType=cv.BORDER_CONSTANT)
  cv.namedWindow("mean_blur",cv.WINDOW_NORMAL)
  cv.imshow("mean_blur",src)


image = cv.imread("test_pic.JPG")
cv.namedWindow('input_image',cv.WINDOW_NORMAL)
cv.imshow('input_image',image)
mean_blur(image)
cv.waitKey(0)
cv.destroyAllWindows()

Output：可以看出左边经过均值模糊之后的图片出现了明显的模糊现象。

4. 补充：填充方式

上文中我们使用默认的填充方式borderType=cv2.BORDER_CONSTANT，还有好几种填充方式可以使用：具体情况可以参考 python+opencv之边缘填充一文

填充方式	解释
cv.BORDER_REPLICATE	复制法，即复制最边缘的像素 例如：aaaa/abcdefg/ggggg
cv.BORDER_REFLECT	反射法,即以最边缘的像素为对称轴
cv.BORDER_WRAP	外包装法，即以图像的左边界与右边界相连，上下边界相连。
cv.BORDER_REFLECT_101	反射法,即以最边缘的像素为对称轴

想具体知道图片数字化之后的样子可以参考以下代码：

import cv2 as cv
import numpy as np

img = np.array([[1, 2, 3],
               [4, 5, 6],
               [7, 8, 9]], dtype=np.float32)

top_size, bottom_size, left_size, right_size = (1, 1, 1, 1)
replicate = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv.BORDER_REPLICATE)
print(replicate)

output：

[[1. 1. 2. 3. 3.]
 [1. 1. 2. 3. 3.]
 [4. 4. 5. 6. 6.]
 [7. 7. 8. 9. 9.]
 [7. 7. 8. 9. 9.]]

二.中值模糊

1. 什么是中值模糊

取卷积核中心的值作为卷积后的新值

• mediaBlur(src, ksize, dst=None)
• 参数：ksize：卷积核的大小。dst，若填入dst，则将图像写入到dst矩阵。
• ⚠️：它没有填充方式的参数，它的默认填充方式为：cv.BORDER_REPLICATE

2. 数字化图片演示

import cv2 as cv
import numpy as np

img = np.array([[1, 2, 3],
               [4, 5, 6],
               [7, 8, 9]], dtype=np.float32)

dst = cv.medianBlur(img, 3)
print(dst)

Output:

[[2. 3. 3.]
 [4. 5. 6.]
 [7. 7. 8.]]

先将输入的图片$$\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right]$$进行cv.BORDER_REPLICATE填充：$$\left[\begin{array}{ccccc}1& 1& 2& 3& 3\\ 1& 1& 2& 3& 3\\ 4& 4& 5& 6& 6\\ 7& 7& 8& 9& 9\\ 7& 7& 8& 9& 9\end{array}\right]$$再将3x3的卷积核中心值挑出来，就为最终结果。

三.高斯模糊

高斯模糊原理

def Gauss_blur():
    img = np.array([[14, 15, 16], 
    				[24, 25, 26], 
    				[34, 35, 36]], dtype=np.float32)
    blur = cv2.GaussianBlur(img, (3, 3), 1.5)
    print(blur)
 
Gauss_blur()
 
# output:
[[20.771631 21.156027 21.540426]
 [24.615604 25.       25.3844  ]
 [28.45958  28.843975 29.228374]]