opencv for python (13) 图像卷积及图像平滑(平均、高斯模糊、中值模糊、双边滤波)
2018-01-18 16:20
615 查看
图像卷积
卷积函数 cv2.filter2D(img,-1,kernel)
第一个参数是原图像
第二个参数目标图像的所需深度。如果是负数,则与原图像深度相同
第三个参数是卷积内核
图像平滑
平均函数cv2.blur(img,(5,5))
第一个参数是源图像
第二个参数是平滑内核大小,意义如 np.ones((3,3),np.float32)/9一样
高斯模糊函数cv2.GaussianBlur(img,(5,5),0)
高斯模糊函数卷积模板的推导推导链接
高斯滤波可以有效的从图像中去除高斯噪音。高斯内核是符合高斯分布的,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
第一个参数是源图像
第二个参数是高斯内核的大小
第三个参数是高斯函数沿 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
中值模糊函数cv2.medianBlur(img,5)
中值模糊是用中心像素周围(也可以使他本身)的值来取代他
第一个参数是源图像
第二个参数是可选择的孔径尺寸
双边滤波函数cv2.bilateralFilter(img,9,75,75)
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。
第一个参数源图像
第二个参数滤波期间使用的每个像素邻域的直径
第三、四个参数是空间高斯函数标准差和灰度值相似性高斯函数标准差(如果它们很小(<10),过滤器将不会有太多的效果,而如果它们很大(> 150),将会产生非常强烈的效果,使得图像显得“卡通”。)
卷积函数 cv2.filter2D(img,-1,kernel)
第一个参数是原图像
第二个参数目标图像的所需深度。如果是负数,则与原图像深度相同
第三个参数是卷积内核
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('nine.jpg') kernel = np.ones((5,5),np.float32)/25 dst = cv2.filter2D(img,-1,kernel) plt.subplot(121),plt.imshow(img) plt.title('Original'),plt.xticks([]),plt.yticks([]) plt.subplot(122),plt.imshow(dst) plt.title('Averaging'),plt.xticks([]),plt.yticks([]) plt.show()
图像平滑
平均函数cv2.blur(img,(5,5))
第一个参数是源图像
第二个参数是平滑内核大小,意义如 np.ones((3,3),np.float32)/9一样
高斯模糊函数cv2.GaussianBlur(img,(5,5),0)
高斯模糊函数卷积模板的推导推导链接
高斯滤波可以有效的从图像中去除高斯噪音。高斯内核是符合高斯分布的,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
第一个参数是源图像
第二个参数是高斯内核的大小
第三个参数是高斯函数沿 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
中值模糊函数cv2.medianBlur(img,5)
中值模糊是用中心像素周围(也可以使他本身)的值来取代他
第一个参数是源图像
第二个参数是可选择的孔径尺寸
双边滤波函数cv2.bilateralFilter(img,9,75,75)
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。
第一个参数源图像
第二个参数滤波期间使用的每个像素邻域的直径
第三、四个参数是空间高斯函数标准差和灰度值相似性高斯函数标准差(如果它们很小(<10),过滤器将不会有太多的效果,而如果它们很大(> 150),将会产生非常强烈的效果,使得图像显得“卡通”。)
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('nine.jpg') #blur = cv2.blur(img,(5,5)) #blur = cv2.GaussianBlur(img,(5,5),0) #median = cv2.medianBlur(img,5) blur = cv2.bilateralFilter(img,9,75,75) plt.subplot(121),plt.imshow(img) plt.title('Original'),plt.xticks([]),plt.yticks([]) plt.subplot(122),plt.imshow(blur) plt.title('Averaging'),plt.xticks([]),plt.yticks([]) plt.show()
相关文章推荐
- 图像处理平滑处理--高斯滤波,简单模糊,中值模糊,双边滤波,简单无放缩变换
- 【OpenCV】5种图像滤波辨析:方框、均值、高斯、中值、双边
- 【opencv学习笔记1】5种图像滤波辨析:方框、均值、高斯、中值、双边
- 【OpenCV】5种图像滤波辨析:方框、均值、高斯、中值、双边
- OpenCV 5种图像滤波辨析:方框、均值、高斯、中值、双边
- c#实现图像图像卷积与滤波——高斯平滑
- Atitit 图像处理 平滑 也称 模糊, 归一化块滤波、高斯滤波、中值滤波、双边滤波)
- Atitit 图像处理 平滑 也称 模糊, 归一化块滤波、高斯滤波、中值滤波、双边滤波)
- Python3+OpenCV学习笔记(四):图像滤波基础(均值、高斯、中值、双边)
- 图像滤波综合(方框、均值、高斯、中值、双边)
- 【图像处理】图像滤波5种:方框、均值、高斯、中值、双边
- 【OpenCV】5种图像滤波辨析:方框、均值、高斯、中值、双边
- 用双边滤波图像平滑
- OpenCV 之三----高斯模板对图像平滑滤波
- OpenCV 邻域滤波:方框、高斯、中值、双边滤波
- 图像处理之基础---卷积,滤波,平滑
- 图像处理基本概念——卷积,滤波,平滑
- [学习opencv]高斯、中值、均值、双边滤波
- python+opencv实现高斯平滑滤波
- 【Matlab学习笔记】【图像滤波去噪】高斯平滑滤波