OpenCV基于Python图像平滑

最新推荐文章于 2024-09-10 19:33:53 发布

原创

最新推荐文章于 2024-09-10 19:33:53 发布 · 294 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #python #计算机视觉

本文介绍了OpenCV中图像平滑的各种方法，包括2D卷积、平均滤波、高斯模糊、中值模糊和双边滤波。通过实例展示了如何使用cv.filter2D、cv.blur、cv.GaussianBlur、cv.medianBlur和cv.bilateralFilter函数进行图像平滑处理，尤其强调了双边滤波在保持边缘清晰的同时去除噪声的特点。

图像平滑

目标
2D卷积（图像滤波）
图像模糊（平滑）

目标

学会使用各种低通滤镜模糊图像
将定制的滤镜应用于图像（2D卷积）

2D卷积（图像滤波）

与一维信号一样，还可以使用各种低通滤波器（LPF），高通滤波器（HPF）等对图像进行滤波。LPF有助于消除噪声，使图像模糊等。HPF滤波器有助于在图像中找到边缘。

OpenCV提供了一个函数cv.filter2D来将内核与图像进行卷积。例如，我们将尝试对图像进行平均滤波。5x5平均滤波器内核如下所示：
$\frac{1}{25} \begin{bmatrix} 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \end{bmatrix}$
操作如下:保持这个内核在一个像素上，将所有处于这个内核的25个像素相加，取其平均值，然后用新的平均值替换中心像素。它将对图像中的所有像素继续此操作。试试下面代码，并检查结果:

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('./data/opencv-logo-white.png') # 设置图片所在路径
kernel = np.ones((5, 5), np.float32)/25
dst = cv.filter2D(img, -1, kernel)
plt.subplot(121), plt.imshow(img), plt