29 快速的图像边缘滤波算法
代码
import cv2 as cv
import numpy as np
src = cv.imread("../images/example.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
h, w = src.shape[:2]
dst = cv.edgePreservingFilter(src, sigma_s=100, sigma_r=0.4, flags=cv.RECURS_FILTER)
result = np.zeros([h, w*2, 3], dtype=src.dtype)
result[0:h,0:w,:] = src
result[0:h,w:2*w,:] = dst
cv.imshow("result", result)
cv.waitKey(0)
cv.destroyAllWindows()
实验结果
解释
由于前面的高斯双边模糊和mean shift均值模糊计算量都很大,因此无法实时地实现图像边缘保留滤波,这大大限制了它们的使用场景,OpenCV中实现了一种快速的图像边缘保留滤波算法。
高斯双边滤波和均值迁移滤波在进行边缘保留滤波计算的时候除了考虑R,G,B三个维度的值,还会考虑空间中X和Y这两个坐标维度,这导致了这两种滤波算法的计算量较大。而快速边缘保留滤波算法通过等价变换到低纬度空间,从而实现了数据降维与快速计算。
OpenCV中的快速图像边缘滤波算法api如下:
cv.edgePreservingFilter(src[, dst[, flags[, sigma_s[, sigma_r]]]])
其中sigma_s取值范围是0 ~ 200,sigma_r取值范围是0 ~ 1。当sigma_s取值不变时,sigma_r取值越大,则图像滤波效果越明显;当sigma_r取值不变时,sigma_s取值越大,则图像模糊效果越明显。
所有内容均来源于贾志刚老师的知识星球——OpenCV研习社,本文为个人整理学习,已获得贾老师授权,有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。