Python OpenCV對圖像進行模糊處理詳解流程

其實我們平時在深度學習中所說的卷積操作,在 opencv 中也可以進行,或者說是類似操作。那麼它是什麼操作呢?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。其參數說明是:

  • src: 原圖像
  • ksize: 模糊核大小

原理:它隻取內核區域下所有像素的平均值並替換中心元素。3×3 標準化的盒式過濾器如下所示:

3×3標準過濾器

  • 特征:核中區域貢獻率相同。
  • 作用:對於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(類似卷積),第二個參數ksize是設置模糊內核大小
    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。

說明:sigmaX,sigmaY分別表示 X,Y 方向的標準偏差。如果僅指定瞭sigmaX,則sigmaYsigmaX相同;如果兩者都為零,則根據內核大小計算它們。

  • 特征:核中區域貢獻率與距離區域中心成正比,權重與高斯分佈相關。
  • 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), 可以設置ksize,必須為奇數,不為0時,後面的步驟不起作用;也可以設置成(0,0),然後通過sigmaX和sigmaY計算標準偏差
    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。

說明:d為鄰域直徑,sigmaColor為空間高斯函數標準差,參數越大,臨近像素將會在越遠的地方越小。

sigmaSpace灰度值相似性高斯函數標準差,參數越大,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,同時考慮空間與信息和灰度相似性,達到保邊去噪的目的,具有簡單、非迭代、局部處理的特點。之所以能夠達到保邊去噪的濾波效果是因為濾波器由兩個函數構成:一個函數是由幾何空間距離決定濾波器系數,另一個是由像素差值決定濾波器系數。

  • 特征:處理耗時。
  • 作用:在濾波的同時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: 無返回值
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 第三個參數是設置色彩、第四個參數是設置圖像坐標
    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)

結果展示:

雙邊濾波

到此這篇關於Python OpenCV對圖像進行模糊處理詳解流程的文章就介紹到這瞭,更多相關Python 圖像模糊處理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: