图像模糊与平滑

使用低通滤波器可以达到图像模糊的目的。这对与去除噪音很有帮助。其
实就是去除图像中的高频成分（比如：噪音，边界）。所以边界也会被模糊一
点。（当然，也有一些模糊技术不会模糊掉边界）。OpenCV 提供了四种模糊技
术。

1.平均

这是由一个归一化卷积框完成的。他只是用卷积框覆盖区域所有像素的平
均值来代替中心元素。可以使用函数 cv2.blur() 和 cv2.boxFilter() 来完
这个任务。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.png')
blur = cv2.blur(img,(5,5))
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()

2.高斯模糊

现在把卷积核换成高斯核（简单来说，方框不变，将原来每个方框的值是
相等的，现在里面的值是符合高斯分布的，方框中心的值最大，其余方框根据
距离中心元素的距离递减，构成一个高斯小山包。原来的求平均数现在变成求
加权平均数，全就是方框里的值）。实现的函数是 cv2.GaussianBlur()。我
们需要指定高斯核的宽和高（必须是奇数）。以及高斯函数沿 X，Y 方向的标准
差。如果我们只指定了 X 方向的的标准差，Y 方向也会取相同值。如果两个标
准差都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从
图像中去除高斯噪音。

#0 是指根据窗口大小（ 5,5 ）来计算高斯函数标准差
blur = cv2.GaussianBlur(img,(5,5),0)

3.中值模糊

顾名思义就是用与卷积框对应像素的中值来替代中心像素的值。这个滤波
器经常用来去除椒盐噪声。前面的滤波器都是用计算得到的一个新值来取代中
心像素的值，而中值滤波是用中心像素周围（也可以使他本身）的值来取代他。
他能有效的去除噪声。卷积核的大小也应该是一个奇数。
在这个例子中，我们给原始图像加上 50% 的噪声然后再使用中值模糊。

median = cv2.medianBlur(img,5)

4.双边滤波

函数 cv2.bilateralFilter() 能在保持边界清晰的情况下有效的去除噪
音。但是这种操作与其他滤波器相比会比较慢。我们已经知道高斯滤波器是求
中心点邻近区域像素的高斯加权平均值。这种高斯滤波器只考虑像素之间的空
间关系，而不会考虑像素值之间的关系（像素的相似度）。所以这种方法不会考
虑一个像素是否位于边界。因此边界也会别模糊掉，而这不是我们想要的。

双边滤波在同时使用空间高斯权重和灰度值相似性高斯权重。空间高斯函
数确保只有邻近区域的像素对中心点有影响，灰度值相似性高斯函数确保只有
与中心像素灰度值相近的才会被用来做模糊运算。所以这种方法会确保边界不
会被模糊掉，因为边界处的灰度值变化比较大。

#cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)
#d – Diameter of each pixel neighborhood that is used during filtering.
# If it is non-positive, it is computed from sigmaSpace
#9 邻域直径，两个 75 分别是空间高斯函数标准差，灰度值相似性高斯函数标准差
blur = cv2.bilateralFilter(img,9,75,75)

5. 边缘增强

    kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32)  # 定义一个核dst = cv2.filter2D(img2.copy(), -1, kernel=kernel)

图像处理之图像模糊与平滑等操作相关推荐

OpenCV中的5种平滑滤波操作
平滑滤波是一种简单又常见的图像处理操作.平滑图像的目的有很多,但通常都是为了减少噪声和伪影. 在OpenCV中共有5种平滑滤波操作,分别是以下几种: 实验测试代码如下: #include<ios ...
python图像腐蚀处理_Python图像处理之膨胀与腐蚀的操作
引言膨胀与腐蚀是图像处理中两种最基本的形态学操作,膨胀将目标点融合到背景中,向外部扩展,腐蚀与膨胀意义相反,消除连通的边界,使边界向内收缩.在本文中我们将了解使用内核的图像膨胀与腐蚀的基本原理. 让 ...
图像处理边缘增强matlab,数字图像处理实验 matlab 图像增强边缘检测图像操作.doc...
数字图像处理实验 matlab 图像增强边缘检测图像操作实验1 点运算和直方图处理实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理. ...
数字图像处理：空间相关与卷积操作
目录 1.数字图像处理中相关和卷积的区别 2.线性滤波 3.卷积的操作 3.1.卷积介绍 3.2.边界补充方法 3.3.常用卷积核及其意义 3.4.卷积的计算 3.4.1.空域计算-直接2D卷积 3. ...
opencv数字图像处理（图像模糊）
图像基础图像几何变换图像模糊图像边缘图像阈值分割形态学处理图像模糊 1)一维卷积:定义比较简单的运算 2)二维卷积:标准版&实用版(对应相乘) 卷积之后图片变小,其余部分进行填充 ...
python图像锐化_Python图像处理介绍--图像模糊与锐化
欢迎关注 "小白玩转Python",发现更多 "有趣" 引言在之前的文章中,我们讨论了边缘检测内核.在本文我们将讨论如何在图像上应用模糊与锐化内核,将这些内核 ...
opencv获取mat的指针_数字图像处理之opencv中Mat数据操作
数字图像处理其实就是处理二维矩阵数据.利用opencv来学习处理算法是一种比较好的方式.学习opencv,主要就是调用其中的图像处理函数来实现各种操作.如果要得到想要的处理结果,还需要对图像处理算法有 ...
1.图像显示图像腐蚀图像模糊canny边缘检测视频操作调用摄像头
今天是开始学习OpenCV的第一天,简单记录下,运气不错,环境配置一遍过,很舒服.主要使用简单快速上手下显示图片 /*1.显示图片*/Mat srcimg = imread("1.png& ...
python 图片锐化_Python图像处理介绍--图像模糊与锐化
欢迎关注 "小白玩转Python",发现更多 "有趣" 引言在之前的文章中,我们讨论了边缘检测内核.在本文我们将讨论如何在图像上应用模糊与锐化内核,将这些内核 ...

图像处理之图像模糊与平滑等操作