Python OpenCV图像处理与深度学习:Python OpenCV图像滤波入门

图像滤波:从基础到实践

学习目标

通过本课程,学员们将掌握图像滤波的基本概念,了解如何使用OpenCV实现图像的平滑滤波和锐化滤波,从而能够有效地改善图像质量。

相关知识点

  • Python OpenCV图像滤波

学习内容

1 Python OpenCV图像滤波

1.1 图像滤波的基本概念

图像滤波是数字图像处理中的一个基本操作,主要用于去除图像中的噪声、增强图像的某些特征或改善图像的整体质量。滤波器通过修改图像中的像素值来实现这些目标。滤波器可以是线性的,也可以是非线性的,具体取决于滤波器的数学模型。

在数字图像处理中,滤波通常通过卷积操作实现。卷积是一种数学运算,它将一个函数(滤波器或核)与另一个函数(图像)相乘并求和,以生成一个新的函数(滤波后的图像)。滤波器的大小和形状决定了滤波的效果。例如,一个3x3的滤波器会考虑每个像素及其周围的8个邻居像素,而一个5x5的滤波器则会考虑更多的邻居像素。

滤波器可以分为两大类:平滑滤波器和锐化滤波器。平滑滤波器用于减少图像中的噪声,使图像看起来更加平滑。常见的平滑滤波器包括均值滤波器和高斯滤波器。锐化滤波器则用于增强图像的边缘和细节,使图像看起来更加清晰。常见的锐化滤波器包括拉普拉斯滤波器和高斯拉普拉斯滤波器。

1.2 使用OpenCV实现平滑滤波

OpenCV是一个强大的计算机视觉库,提供了多种图像处理功能,包括滤波。在本课程中,学员们将学习如何使用OpenCV实现图像的平滑滤波。

1.2.1 均值滤波

执行以下指令获取测试图片。

python 复制代码
wget https://model-community-picture.obs.cn-north-4.myhuaweicloud.com/ascend-zone/notebook_datasets/a9049fc42fa911f0bad1fa163edcddae/example.jpg

均值滤波是一种简单的平滑滤波器,它通过计算每个像素及其周围像素的平均值来平滑图像。均值滤波可以有效地减少图像中的噪声,但可能会使图像的边缘变得模糊。

python 复制代码
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('example.jpg')

# 应用均值滤波
blurred = cv2.blur(image, (5, 5))
python 复制代码
# 显示原始图像和滤波后的图像
# 将 BGR 格式转换为 RGB 格式,以适配 matplotlib 的显示
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
blurred = cv2.cvtColor(blurred, cv2.COLOR_BGR2RGB)
# 创建画布和子图(1行2列)
# 显示第一张图像
plt.subplot(1, 2, 1)  # 1行2列,第1个位置
plt.imshow(image)
plt.title('Original Image')
plt.axis('off')
# 显示第二张图像
plt.subplot(1, 2, 2)  # 1行2列,第2个位置
plt.imshow(blurred)
plt.title('Blurred Image')
plt.axis('off')
plt.tight_layout()  # 自动调整布局
plt.show()

在上述代码中,cv2.blur函数用于应用均值滤波。参数(5, 5)表示滤波器的大小为5x5。可以根据需要调整滤波器的大小,以获得不同的平滑效果。

1.2.2 高斯滤波

高斯滤波是一种更高级的平滑滤波器,它使用高斯函数作为滤波器的权重。高斯滤波可以更好地保留图像的边缘信息,同时减少噪声。

python 复制代码
# 读取图像
image = cv2.imread('example.jpg')

# 应用高斯滤波
gaussian_blurred = cv2.GaussianBlur(image, (5, 5), 0)

# 显示原始图像和滤波后的图像
# 将 BGR 格式转换为 RGB 格式,以适配 matplotlib 的显示
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
gaussian_blurred = cv2.cvtColor(gaussian_blurred, cv2.COLOR_BGR2RGB)
# 创建画布和子图(1行2列)
# 显示第一张图像
plt.subplot(1, 2, 1)  # 1行2列,第1个位置
plt.imshow(image)
plt.title('Original Image')
plt.axis('off')
# 显示第二张图像
plt.subplot(1, 2, 2)  # 1行2列,第2个位置
plt.imshow(gaussian_blurred)
plt.title('Gaussian Blurred Image')
plt.axis('off')
plt.tight_layout()  # 自动调整布局
plt.show()

在上述代码中,cv2.GaussianBlur函数用于应用高斯滤波。参数(5, 5)表示滤波器的大小为5x5,参数0表示标准差由系统自动计算。也可以手动指定标准差,以获得不同的平滑效果。

1.3 使用OpenCV实现锐化滤波

锐化滤波器用于增强图像的边缘和细节,使图像看起来更加清晰。在本课程中,学员们将学习如何使用OpenCV实现图像的锐化滤波。

1.3.1 拉普拉斯滤波

拉普拉斯滤波是一种常用的锐化滤波器,它通过检测图像中的边缘来增强图像的细节。拉普拉斯滤波器是一个二阶导数滤波器,可以有效地增强图像的边缘。

python 复制代码
# 转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用拉普拉斯滤波
laplacian = cv2.Laplacian(gray_image, cv2.CV_64F)

# 将结果转换回8位图像
laplacian = np.uint8(np.absolute(laplacian))
python 复制代码
# 显示原始图像和滤波后的图像
# 将 BGR 格式转换为 RGB 格式,以适配 matplotlib 的显示
gray_image = cv2.cvtColor(gray_image, cv2.COLOR_BGR2RGB)
laplacian = cv2.cvtColor(laplacian, cv2.COLOR_BGR2RGB)
# 创建画布和子图(1行2列)
# 显示第一张图像
plt.subplot(1, 2, 1)  # 1行2列,第1个位置
plt.imshow(gray_image)
plt.title('Original Image')
plt.axis('off')
# 显示第二张图像
plt.subplot(1, 2, 2)  # 1行2列,第2个位置
plt.imshow(laplacian)
plt.title('Laplacian Image')
plt.axis('off')
plt.tight_layout()  # 自动调整布局
plt.show()

在上述代码中,cv2.Laplacian函数用于应用拉普拉斯滤波。参数cv2.CV_64F表示输出图像的数据类型为64位浮点数。np.uint8(np.absolute(laplacian))用于将结果转换回8位图像,以便显示。

1.3.2 高斯拉普拉斯滤波

高斯拉普拉斯滤波(LoG)是一种结合了高斯滤波和拉普拉斯滤波的锐化滤波器。首先,它使用高斯滤波器平滑图像,然后应用拉普拉斯滤波器来增强图像的边缘。这种方法可以有效地减少噪声,同时增强图像的细节。

python 复制代码
# 应用高斯滤波
gaussian_blurred = cv2.GaussianBlur(gray_image, (5, 5), 0)

# 应用拉普拉斯滤波
laplacian = cv2.Laplacian(gaussian_blurred, cv2.CV_64F)

# 将结果转换回8位图像
laplacian = np.uint8(np.absolute(laplacian))
python 复制代码
# 显示原始图像和滤波后的图像
# 将 BGR 格式转换为 RGB 格式,以适配 matplotlib 的显示
gray_image = cv2.cvtColor(gray_image, cv2.COLOR_BGR2RGB)
laplacian = cv2.cvtColor(laplacian, cv2.COLOR_BGR2RGB)
# 创建画布和子图(1行2列)
# 显示第一张图像
plt.subplot(1, 2, 1)  # 1行2列,第1个位置
plt.imshow(gray_image)
plt.title('Original Image')
plt.axis('off')
# 显示第二张图像
plt.subplot(1, 2, 2)  # 1行2列,第2个位置
plt.imshow(laplacian)
plt.title('Laplacian Image')
plt.axis('off')
plt.tight_layout()  # 自动调整布局
plt.show()

(为什么那么黑?锐化,平滑,增强细节的结果?...)

在上述代码中,首先使用cv2.GaussianBlur函数对图像进行高斯滤波,然后使用cv2.Laplacian函数应用拉普拉斯滤波。这样可以有效地减少噪声,同时增强图像的边缘。

相关推荐
AI云原生5 小时前
云原生系列Bug修复:Docker镜像无法启动的终极解决方案与排查思路
运维·服务器·python·docker·云原生·容器·bug
万粉变现经纪人7 小时前
如何解决 pip install -r requirements.txt 私有索引未设为 trusted-host 导致拒绝 问题
开发语言·python·scrapy·flask·beautifulsoup·pandas·pip
查士丁尼·绵8 小时前
笔试-九宫格三阶积幻方
python·九宫格·三阶积幻方
l1t10 小时前
DeepSeek辅助利用搬移底层xml实现快速编辑xlsx文件的python程序
xml·开发语言·python·xlsx
大飞记Python11 小时前
部门管理|“编辑部门”功能实现(Django5零基础Web平台)
前端·数据库·python·django
查士丁尼·绵13 小时前
笔试-羊狼过河
python
摸鱼的老谭13 小时前
构建Agent该选Python还是Java ?
java·python·agent
鄃鳕13 小时前
python 字典 列表 类比c++【python】
c++·python
可触的未来,发芽的智生13 小时前
新奇特:黑猫警长的纳米世界,忆阻器与神经网络的智慧
javascript·人工智能·python·神经网络·架构
程序员三藏13 小时前
Jmeter接口测试与压力测试
自动化测试·软件测试·python·测试工具·jmeter·接口测试·压力测试