Python实现彩色图像高斯低通滤波-优快云博客

本文介绍了Python中使用OpenCV实现彩色图片的高斯低通滤波。高斯滤波是一种图像平滑处理方法，无振铃现象且适合控制截止频率过渡。程序利用numpy和cv2库，重点在于HSV色彩空间的选择，以避免滤波影响图像色调。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python实现彩色图片的高斯低通滤波

高斯滤波

高斯滤波 是图像处理中常见的一种图像平滑处理方式，由于高斯函数的傅里叶变换和傅里叶反变换均为高斯函数，并常常用来帮助寻找空间域与频率域之间的联系，所以基于高斯函数的滤波具有重要意义。一个二维的高斯低通滤波器的传递函数定义为：
高斯滤波传递函数
式中，D（u，v）是频率平面上的点（u，v）到频率平面原点（0,0）的距离；σ表示高斯曲线扩展的程度。当σ=D0 时，可得到高斯低通滤波器的一种更为标准的表示形式：
更标准的传递函数
D0是截止频率；D（u，v）=D0时，H（u，v）下降到其最大值的0.607处。

高斯低通滤波器的优点：与巴特沃斯低通滤波器相比，高斯低通滤波器没有振铃现象。另外在需要严格控制低频和高频之间截止频率过渡的情况下，选择高斯低通滤波器更合适一些。

使用Python实现彩色图像的高斯低通滤波

使用到的函数库

本程序使用到的函数库主要有：numpy科学计算库和OpenCV对应的库cv2。

代码

先设计一个函数，在导入图片地址和高斯滤波所用到的截止频率D0后，可以输出滤波后的目标图片。

import numpy as np
import cv2

# 设计函数，处理彩色图像的高斯低通滤波
def ColorGaussianFrequencyFilter(src, sigma=1):
    #读取图片
    img = cv2.imread(src, 1)
    
    # 将图片转换为HSV色彩空间
    imgHSV = cv2.cvtColor(img, cv2.