OpenCV学习心得——python版——图像模糊(图像平滑)之高斯模糊

OpenCV学习心得——python版——图像模糊(图像平滑)之高斯模糊
FOR THE SIGMA
FOR THE GTINDER
FOR THE ROBOMASTER

简介：

本笔记仅供参考

操作系统版本：Windows10
编译器：JetBrains PyCharm 2019.1.3 x64
所需库：
opencv-python2.xx.xx以上（我用的最新的，但是不一定要用最新的，3.4左右版本就行了）
numpy
pillow

电子版书籍下载地址
暂无资源

内容：

使用低通滤波器可以达到图像模糊的目的。这对与去除噪音很有帮助。其实就是去除图像中的高频成分（比如：噪音，边界）。所以边界也会被模糊一点。（当然，也有一些模糊技术不会模糊掉边界）。OpenCV 提供了四种模糊技术——平均、高斯模糊、中值模糊、双边滤波。

高斯模糊函数：

• 现在把卷积核换成高斯核（简单来说，方框不变，将原来每个方框的值是相等的，现在里面的值是符合高斯分布的，方框中心的值最大，其余方框根据距离中心元素的距离递减，构成一个高斯小山包。原来的求平均数现在变成求加权平均数，全就是方框里的值）。
• 实现的函数是cv2.GaussianBlur()。
  • 我们需要指定高斯核的宽和高（必须是奇数）以及高斯函数沿 X，Y 方向的标准差。
  • 如果我们只指定了 X 方向的的标准差，Y 方向也会取相同值。如果两个标准差都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从图像中去除高斯噪音。
    如果你愿意的话，你也可以使用函数 cv2.getGaussianKernel() 自己构建一个高斯核。

说明：

• numpy.random.normal(loc=0.0, scale=1.0, size=None)
  • loc：float 此概率分布的均值（对应着整个分布的中心centre）
  • scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
  • size：int or tuple of ints 输出的shape，默认为None，只输出一个值

基础：

import cv2

img = cv2.imread('sss.jpg') #读取
img2 = cv2.GaussianBlur(img,ksize=(9,9,),sigmaX=0,sigmaY=0) #设定函数
cv2.imshow("img1",img) #显示原图
cv2.imshow("img2",img2) #显示高斯模糊后图像
cv2.waitKey(0)
cv2.destroyAllWindows()

进阶：

import cv2 as cv #替换改用cv命名，也可以直接import cv2
import numpy

#防止颜色值超出颜色取值范围（0-255）
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    return pv
#高斯噪声（高斯模糊）
def gaussian_noise(image):
    height, width, channel = image.shape
    for row in range(height):
        for col in range(width):
            for c in range(channel):
                s = numpy.random.normal(0, 20, 3)
                b = image[row, col, 0]  # blue
                g = image[row, col, 1]  # green
                r = image[row, col, 2]  # red
                image[row, col, 0] = clamp(b + s[0])
                image[row, col, 1] = clamp(g + s[1])
                image[row, col, 2] = clamp(r + s[2])
    cv.imshow("noise image", image)


src = cv.imread("sss.jpg", cv.IMREAD_COLOR)
cv.namedWindow("image", cv.WINDOW_AUTOSIZE)
cv.imshow("image", src)

# 第二个参数：高斯核的宽和高（建议是奇数）
# 第三个参数：x和y轴的标准差
dst = cv.GaussianBlur(src, (5, 5), 0)
cv.imshow("GaussianBlur", dst)
cv.waitKey(0)
cv.destroyAllWindows()  #若前面为import cv2则把代码中的cv改为cv2

参考：
https://www.cnblogs.com/Undo-self-blog/p/8436389.html
OpenCV-Python 中文教程（搬运）目录——OpenCV 中的图像处理