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