010 OpenCV中的4种平滑滤波

目录

一、环境

二、平滑滤波

2.1、均值滤波

2.2、高斯滤波

2.3、中值滤波

2.4、双边滤波

三、完整代码


一、环境

本文使用环境为:

  • Windows10
  • Python 3.9.17
  • opencv-python 4.8.0.74

二、平滑滤波

2.1、均值滤波

在OpenCV库中,blur函数是一种简单而有效的图像平滑处理方法,也被称为均值滤波。该函数通过将图像中每个像素的值设置为其邻域中像素值的平均值,从而消除图像中的噪声。

函数原型如下:

python 复制代码
cv2.blur(src, ksize[, dst[, anchor]])

参数解释:

  • src: 输入图像。它必须是8位或32位浮点型。
  • ksize: 这是均值滤波器的大小,它必须是奇数,并且可以有两种形式:例如 (5,5)5. 在第二种情况下,滤波器将是正方形的,而在第一种情况下,滤波器将是矩形的。
  • dst: 输出图像。它的类型和源图像相同。
  • anchor: 锚点的位置。默认值是 (-1,-1),这表示锚点在滤波器的中心。

下面是一个简单的示例:

python 复制代码
import cv2 
import numpy as np 
# 加载图像 
img = cv2.imread('image.jpg') 
# 应用blur函数 
blurred = cv2.blur(img, (5,5)) # 使用5x5的滤波器 
# 显示原图和处理后的图像 
cv2.imshow('Original Image', img) 
cv2.imshow('Blurred Image', blurred) 
cv2.waitKey(0) 
cv2.destroyAllWindows()

需要注意的是,虽然blur函数可以有效地消除噪声,但它也可能导致图像失去一些细节。因此,在使用此函数时,您可能需要考虑在消除噪声和保留细节之间取得平衡。

2.2、高斯滤波

GaussianBlur是OpenCV库中的一个函数,它用于对图像进行高斯模糊。高斯模糊是一种图像处理技术,通过对图像的每个像素应用一个高斯函数来达到模糊效果。这种方法在消除噪声和细节提取方面非常有效。

函数原型如下:

python 复制代码
cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])

参数解释:

  • src: 输入图像。它必须是8位或32位浮点型。
  • ksize: 高斯核的大小。这个值必须是正整数,并且可以有两种形式:例如 (5,5) 或 5. 在第二种情况下,滤波器将是正方形的,而在第一种情况下,滤波器将是矩形的。
  • sigmaX: 表示高斯核函数在X方向的标准偏差。如果sigmaX是0,那么标准偏差将根据核大小ksize计算。
  • dst: 输出图像。它的类型和源图像相同。
  • sigmaY: 表示高斯核函数在Y方向的标准偏差。如果sigmaY是0,那么标准偏差将根据核大小ksize计算。
  • borderType: 像素外插法,默认值为cv2.BORDER_DEFAULT。

下面是一个简单的示例:

python 复制代码
python
import cv2  
import numpy as np  
  
# 加载图像  
img = cv2.imread('image.jpg')  
  
# 应用GaussianBlur函数  
blurred = cv2.GaussianBlur(img, (5,5), 0) # 使用5x5的高斯滤波器,无sigmaY值,所以根据核大小计算标准偏差  
 
# 显示原图和处理后的图像  
cv2.imshow('Original Image', img)  
cv2.imshow('Blurred Image', blurred)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

与blur函数相比,GaussianBlur可以提供更加柔和的模糊效果,因为它考虑了图像的更多频率内容。但是,这也会导致更多的细节丢失。因此,在使用此函数时,您可能需要考虑在消除噪声和保留细节之间取得平衡。

2.3、中值滤波

medianBlur函数是OpenCV库中的一个函数,用于对图像进行中值滤波处理,即使用中值滤波器来平滑图像。

函数原型如下:

python 复制代码
cv2.medianBlur(src, ksize[, dst])
  • src: 输入图像,必须是8位或32位浮点型。
  • ksize: 滤波器的大小,必须是奇数,可以有两种形式:例如 (5,5)5。当ksize为3或者5的时候,图像深度需为CV_8U,CV_16U,或CV_32F其中之一,而对于较大孔径尺寸的图片,它只能是CV_8U。
  • dst: 输出图像,类型和源图像相同。可以用Mat::Clone来初始化得到目标图。

medianBlur函数使用中值滤波器来平滑图像。对于多通道图片,每一个通道都单独进行处理,并且支持就地操作(In-place operation)。在边界类型(BorderTypes)方面,使用的是BORDER_REPLICATE。

2.4、双边滤波

双边滤波(Bilateral Filter)是一种非线性的滤波方法,结合了图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。

双边滤波器的好处是可以做边缘保存(edge preserving),一般用高斯滤波去降噪,会较明显地模糊边缘,对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma-d,它是基于空间分布的高斯滤波函数,所以在边缘附近,离的较远的像素不会太多影响到边缘上的像素值,这样就保证了边缘附近像素值的保存。 但是由于保存了过多的高频信息,对于彩色图像里的高频噪声,双边滤波器不能够干净的滤掉,只能够对于低频信息进行较好的滤波。

三、完整代码

python 复制代码
import sys
import cv2 as cv
import numpy as np

#  Global Variables

DELAY_CAPTION = 1500
DELAY_BLUR = 100
MAX_KERNEL_LENGTH = 31

src = None
dst = None
window_name = 'Smoothing Demo'


def main(argv):
    cv.namedWindow(window_name, cv.WINDOW_AUTOSIZE)
    # 读取图片
    imageName = argv[0] if len(argv) > 0 else 'data/lena.jpg'
    global src
    src = cv.imread(cv.samples.findFile(imageName))
    if src is None:
        print ('Error opening image')
        return -1
    if display_caption('Original Image') != 0:
        return 0

    global dst
    dst = np.copy(src)
    if display_dst(DELAY_CAPTION) != 0:
        return 0
    # 均值滤波
    if display_caption('Homogeneous Blur') != 0:
        return 0
    for i in range(1, MAX_KERNEL_LENGTH, 2):
        dst = cv.blur(src, (i, i))
        if display_dst(DELAY_BLUR) != 0:
            return 0
    # 高斯滤波
    if display_caption('Gaussian Blur') != 0:
        return 0
    for i in range(1, MAX_KERNEL_LENGTH, 2):
        dst = cv.GaussianBlur(src, (i, i), 0)
        if display_dst(DELAY_BLUR) != 0:
            return 0
    # 中值滤波
    if display_caption('Median Blur') != 0:
        return 0
    for i in range(1, MAX_KERNEL_LENGTH, 2):
        dst = cv.medianBlur(src, i)
        if display_dst(DELAY_BLUR) != 0:
            return 0
    # 双边滤波
    if display_caption('Bilateral Blur') != 0:
        return 0
    # 双边滤波计算量相对大,所以当kernel半径很大的时候,就会较慢
    for i in range(1, MAX_KERNEL_LENGTH, 2):
        dst = cv.bilateralFilter(src, i, i * 2, i / 2)
        if display_dst(DELAY_BLUR) != 0:
            return 0

    display_caption('Done!')
    return 0

# 显示黑色背景+文字
def display_caption(caption):
    global dst
    dst = np.zeros(src.shape, src.dtype)
    rows, cols, _ch = src.shape
    cv.putText(dst, caption, (int(cols / 4), int(rows / 2)), cv.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255))
    return display_dst(DELAY_CAPTION)

# 显示效果图
def display_dst(delay):
    cv.imshow(window_name, dst)
    c = cv.waitKey(delay)
    if c >= 0 : return -1
    return 0


if __name__ == "__main__":
    main(sys.argv[1:])
相关推荐
VB.Net5 分钟前
EmguCV学习笔记 VB.Net 12.1 二维码解析
opencv·计算机视觉·c#·图像·vb.net·二维码·emgucv
AI第一基地1 小时前
推荐系统-电商直播 多目标排序算法探秘
人工智能·深度学习·排序算法·transformer·知识图谱·word2vec
我是瓦力1 小时前
球形包围框-Bounding Sphere-原理-代码实现
人工智能·python·深度学习·计算机视觉·3d
开MINI的工科男1 小时前
【笔记】自动驾驶预测与决策规划_Part1_自动驾驶决策规划简介
人工智能·笔记·自动驾驶
网络研究院1 小时前
企业急于采用人工智能,忽视了安全强化
网络·人工智能·安全·工具·风险·企业
jndingxin1 小时前
OpenCV特征检测(3)计算图像中每个像素处的特征值和特征向量函数cornerEigenValsAndVecs()的使用
人工智能·opencv·计算机视觉
CharGer.1 小时前
OpenCVHaar级联器实现人脸捕捉和微笑检测
opencv·视觉检测·人脸检测·haar·微笑检测
m_Molly1 小时前
vs2022配置opencv==4.9.0(C++)
c++·opencv
byxdaz1 小时前
基于OpenCV的YOLOv5图片检测
人工智能·opencv·yolo
jndingxin1 小时前
OpenCV特征检测(4)检测图像中的角点函数cornerHarris()的使用
人工智能·opencv·计算机视觉