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）

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

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()