基于Python图像处理—滤波与模糊操作

图像处理过程中，会经常涉及”滤波”和”模糊”，两个概念容易混淆，两个概念既有联系又有区别，简单来说，如果将滤波分为低通滤波和高通滤波，低通就是模糊，高通就是锐化。
关于滤波与模糊操作，Opencv中常用函数有以下几种：

1、blur()函数（均值滤波）

image_output=cv.blur(image, (3, 3))

image为输入图像，（3，3）为内核的大小，根据需要调整。

2、medianBlur函数（中值滤波）

image_output = cv.medianBlur(image, 3)

image为输入图像，3为滤波模板的尺寸大小，必须是大于1的奇数，根据需要调整。

3、GaussianBlur函数（高斯滤波）

image_output=cv.GaussianBlur(src, (0, 0), x，y)

image为输入图像，（0，0）为高斯内核的大小，他们都必须为正数和奇数，或者，它们可以是零，x和y为高斯核函数在X方向和y方向的标准偏差。

4、bilateralFilter函数（双边滤波）

image_output=cv.bilateralFilter(image, int d, double sigmaColor, double sigmaSpace)

image为输入图像，int d 表示在过滤过程中每个像素邻域的直径范围。double sigmaColor 颜色空间过滤器的sigma值，这个参数的值越大，表明该像素邻域内越多的颜色会被混合到一起，产生较大的相等颜色区域，double sigmaSpace 坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中相似的颜色获取相同的颜色。