快捷導(dǎo)航

Python OpenCV對(duì)圖像進(jìn)行模糊處理詳解流程

更新時(shí)間：2021年10月22日 11:33:25 作者：Hong_Youth

OpenCV是一個(gè)基于BSD許可（開(kāi)源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它輕量級(jí)而且高效——由一系列 C 函數(shù)和少量 C++ 類(lèi)構(gòu)成，同時(shí)提供了Python、Ruby、MATLAB等語(yǔ)言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面很多通用算法

其實(shí)我們平時(shí)在深度學(xué)習(xí)中所說(shuō)的卷積操作，在 opencv 中也可以進(jìn)行，或者說(shuō)是類(lèi)似操作。那么它是什么操作呢？它就是圖像的模糊（濾波）處理。

均值濾波

使用 opencv 中的cv2.blur(src, ksize)函數(shù)。其參數(shù)說(shuō)明是：

src: 原圖像
ksize: 模糊核大小

原理：它只取內(nèi)核區(qū)域下所有像素的平均值并替換中心元素。3x3 標(biāo)準(zhǔn)化的盒式過(guò)濾器如下所示：

3×3標(biāo)準(zhǔn)過(guò)濾器

特征：核中區(qū)域貢獻(xiàn)率相同。
作用：對(duì)于椒鹽噪聲的濾除效果比較好。

# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv


def image_blur(image_path: str):
    """
    圖像卷積操作：設(shè)置卷積核大小，步距
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 模糊操作（類(lèi)似卷積），第二個(gè)參數(shù)ksize是設(shè)置模糊內(nèi)核大小
    result = cv.blur(img, (5, 5))
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_blur(path)

結(jié)果展示：

均值濾波

高斯濾波

高斯濾波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函數(shù)。

說(shuō)明：sigmaX,sigmaY分別表示 X,Y 方向的標(biāo)準(zhǔn)偏差。如果僅指定了sigmaX，則sigmaY與sigmaX相同；如果兩者都為零，則根據(jù)內(nèi)核大小計(jì)算它們。

特征：核中區(qū)域貢獻(xiàn)率與距離區(qū)域中心成正比，權(quán)重與高斯分布相關(guān)。
作用：高斯模糊在從圖像中去除高斯噪聲方面非常有效。

def image_conv(image_path: str):
    """
    高斯模糊
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('img', img)
    # 高斯卷積（高斯濾波）， 可以設(shè)置ksize，必須為奇數(shù)，不為0時(shí)，后面的步驟不起作用；也可以設(shè)置成（0，0），然后通過(guò)sigmaX和sigmaY計(jì)算標(biāo)準(zhǔn)偏差
    result = cv.GaussianBlur(img, (0, 0), 15)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_conv(path)

結(jié)果展示：

高斯濾波

高斯雙邊濾波

雙邊濾波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函數(shù)。

說(shuō)明：d為鄰域直徑，sigmaColor為空間高斯函數(shù)標(biāo)準(zhǔn)差，參數(shù)越大，臨近像素將會(huì)在越遠(yuǎn)的地方越小。

sigmaSpace灰度值相似性高斯函數(shù)標(biāo)準(zhǔn)差，參數(shù)越大，那些顏色足夠相近的的顏色的影響越大。

雙邊濾波是一種非線性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時(shí)考慮空間與信息和灰度相似性，達(dá)到保邊去噪的目的，具有簡(jiǎn)單、非迭代、局部處理的特點(diǎn)。之所以能夠達(dá)到保邊去噪的濾波效果是因?yàn)闉V波器由兩個(gè)函數(shù)構(gòu)成：一個(gè)函數(shù)是由幾何空間距離決定濾波器系數(shù)，另一個(gè)是由像素差值決定濾波器系數(shù)。

特征：處理耗時(shí)。
作用：在濾波的同時(shí)能保證一定的邊緣信息。

# 邊緣保留濾波器——高斯雙邊模糊
def image_bifilter(image_path: str):
    """
    高斯雙邊模糊
    :param image_path: 圖片文件
    :return: 無(wú)返回值
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 第三個(gè)參數(shù)是設(shè)置色彩、第四個(gè)參數(shù)是設(shè)置圖像坐標(biāo)
    result = cv.bilateralFilter(img, 0, 50, 10)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_bifilter(path)

結(jié)果展示：

雙邊濾波