8.边缘保留

学习视频可参见python+opencv3.3视频教学 基础入门

outline

• 边缘保留滤波（EPF）
  • 高斯双边
  • 均值迁移

1.高斯双边

• 图像边缘是指图像属性区域和另一个属性区域的交接处，是区域属性发生突变的地方，是图像不确定性最大的地方，也是图像信息最集中的地方，图像的边缘包含着丰富的信息

• 高斯滤波是一种低通滤波，它在滤除图像中噪声信号的同时，也会对图像中的边缘信息进行平滑，表现出来的结果就是图像变得模糊

  • 
  • 高斯滤波之所以会导致图像变得模糊，是因为它在滤波过程中只关注了位置信息
  • 在滤波窗口内，距离中心点越近的点的权重越大；这种只关注距离的思想在某些情况下是可行的，例如在平坦的区域，距离越近的区域其像素分布也越相近，自然地，这些点的像素值对滤波中心点的像素值更有参考价值。但是在像素值出现跃变的边缘区域，这种方法会适得其反，损失掉有用的边缘信息。
  • 关于高斯滤波的详细内容可参见【图像处理】数字图像傅里叶变换的物理意义及简单应用

• 为了保护边缘信息，提出了双边滤波

• 双边滤波函数

  • void bilateralFilter( InputArray src, OutputArray dst, int d,
                                       double sigmaColor, double sigmaSpace,
                                       int borderType = BORDER_DEFAULT );
    

  • src：输入图像，dst: 输出图像，d：滤波窗口的直径（函数注释中使用的是Diameter，那么很可能函数中选取的窗口是圆形窗口），sigmaColor：像素值域方差，sigmaSpace：空间域方差，以及边缘处理方式。

  • 测试用例：

  • def bi_demo(image):  # bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
        """
        同时考虑空间与信息和灰度相似性，达到保边去噪的目的
        双边滤波的核函数是空间域核与像素范围域核的综合结果：
        在图像的平坦区域，像素值变化很小，对应的像素范围域权重接近于1，此时空间域权重起主要作用，相当于进行高斯模糊；
        在图像的边缘区域，像素值变化很大，像素范围域权重变大，从而保持了边缘的信息。
        """
        dst = cv.bilateralFilter(image, 0, 100, 15)  # 高斯双边
        cv.imshow("bi_demo", dst)
    

  • 效果如下：

  • 双边滤波在高斯滤波的基础上加入了像素值权重项，也就是说既要考虑距离因素，也要考虑像素值差异的影响，像素值越相近，权重越大

  • 关于双边滤波的详细内容可参见【图像处理】——双边滤波

2.均值迁移

• API接口

• pyrMeanShiftFiltering
  
  def pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None,                                        termcrit=None)
  

• 参数含义

  • sp，定义的漂移物理空间半径大小；
  • sr，定义的漂移色彩空间半径大小

• 测试用例：

  • def shift_demo(image):  # 均值迁移
        dst = cv.pyrMeanShiftFiltering(image, 10, 50)
        cv.imshow("shift_demo", dst)
    

• 输出结果：

  

• 输出结果：

  [外链图片转存中…(img-0aVsLIeH-1604485833973)]

结语

以上内容仅是自我学习时记录的笔记，欢迎大家批评指正，一起学习进步。欢迎大家关注我的公众号小郭学数据。