OpenCV-python学习笔记（四）——smoothing and blurring平滑和模糊

smoothing and blurring平滑和模糊

什么是模糊呢，当我们拍照片没对上焦的时候，就是模糊。

实际上，这意味着图片中的每个像素点都和他旁边的像素点的值混在了一起，这种和相邻像素点进行混合的结果，就是模糊。

模糊通常是我们不希望的，但这在我们进行阈值处理，或者边缘检测的时候显得非常重要，通常第一步就是对图片进行平滑或者模糊。

1 averaging均值滤波

blurred = np.hstack([
    # 第二个值表示k*k的一个核，通常k要求为奇数
    # 这个k*k的滑动窗口就表示一个卷积核
    cv2.blur(image, (3,3)),
    cv2.blur(image, (5,5)),
    cv2.blur(image, (7,7))])
cv2.imshow("averaged", blurred)

2 gaussian高斯滤波

均值滤波使用的是一个平均值，而高斯滤波使用的是加权平均值，离中心元素越近的地方权重越大，离中心元素越远的地方权重越小。得到的结果比均值滤波更自然。

blurred = np.hstack([
    # 第二个值表示k*k的一个核，通常k要求为奇数
    # 第3个数值表示x-axis的偏差
    cv2.GaussianBlur(image, (3,3), 0),
    cv2.GaussianBlur(image, (5,5), 0),
    cv2.GaussianBlur(image, (7,7), 0)])
cv2.imshow("Gaussian", blurred)

3 median中值滤波

本质上是中位数滤波，中值滤波在去除椒盐（想象照片上撒满了胡椒粉和盐颗粒）噪声的时候非常有效，因为他总是用图像中已有的像素值来更新当前像素。

blurred = np.hstack([
    # 第二个值表示k*k的一个核，通常k要求为奇数
    cv2.mediaBlur(image, 3),
    cv2.mediaBlur(image, 5),
    cv2.mediaBlur(image, 7)])
cv2.imshow("median", blurred)

4 bilateral双边滤波

上面几个模糊方法有个问题，就是会丢失图像中的边缘。

为了解决这个问题，我们使用两个高斯分布，这就是双边滤波。

第一个高斯函数只考虑空间邻域，第二个高斯函数对邻域像素值进行建模，确保只有相似像素值的像素参与模糊计算，即那些与众不同的像素（他们其实是图像边缘和边界）被保留下来。

blurred = np.hstack([
    # 第2个值，5代表像素邻域空间的直径，
    # 第3个值，21表示颜色邻域，越大就会有更多的颜色参与计算
    # 第4个值，21代表空间邻域，越大，那么更远的像素就会参与计算
    cv2.bilateralFilter(image, 5, 21, 21),
    cv2.bilateralFilter(image, 7, 31, 31),
    cv2.bilateralFilter(image, 9, 41, 41)])
cv2.imshow("Bilateral", blurred)