OpenCV+python：模糊操作

最新推荐文章于 2025-07-01 15:44:20 发布
原创 最新推荐文章于 2025-07-01 15:44:20 发布 · 1.7k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

模糊操作是图像处理中最简单和常用的操作之一，使用该操作的原因之一就为了给图像预处理时减低噪声。
模糊操作基于离散卷积计算：
g(i,j)=∑k,lf(i+k,j+l)∗h(k,l)g(i,j) = \sum_{k,l}f(i+k,j+l)*h(k,l)g(i,j)=k,l∑​f(i+k,j

最低0.47元/天 解锁文章

200万优质内容无限畅学
【OpenCV Python实现图像增强：高斯模糊和运动模糊】
.
03-22 1832
【OpenCV Python实现图像增强：高斯模糊和运动模糊】图像处理是计算机视觉领域的重要分支，它在各个领域都有广泛的应用。图像增强是其中的一个重要技术，可以帮助我们提升图像的质量和清晰度。本文将介绍如何使用Python和OpenCV库来实现两种常见的图像增强方法：高斯模糊和运动模糊。
Python+OpenCV图像处理之模糊操作
XsiJava的博客
09-22 262
内核大小决定了模糊的程度，标准差越大，模糊效果越明显。在上面的代码中，我们使用了一个15x15的内核大小。图像模糊是图像处理中常用的一种操作，它可以通过降低图像的细节和清晰度来实现。在本篇文章中，我们将使用Python和OpenCV库来实现图像的模糊操作，并提供相应的源代码。除了高斯模糊，OpenCV还提供了其他一些模糊操作，例如均值模糊、中值模糊等。希望本篇文章能够帮助你理解如何使用Python和OpenCV进行图像模糊操作。函数显示原始图像和模糊图像，并使用。在上面的代码中，我们首先使用。
OpenCV-Python图像模糊处理
热门推荐
hallobike的博客
10-20 2万+
其实我们平时在深度学习中所说的卷积操作，在 opencv 中也可以进行，或者说是类似操作。那么它是什么操作呢？它就是图像的模糊（滤波）处理。 均值滤波 使用 opencv 中的cv2.blur(src, ksize)函数。其参数说明是： src: 原图像 ksize: 模糊核大小 原理：它只取内核区域下所有像素的平均值并替换中心元素。3x3 标准化的盒式过滤器如下所示： 特征：核中区域贡献率相同。 作用：对于椒盐噪声的滤除效果比较好。 # -*-coding:utf-8-*- """ File N
OpenCV中的模糊处理（python）
HL_HLT的博客
02-04 5045
OpenCV中的模糊处理一级目录二级目录三级目录 一级目录 二级目录 三级目录
Python FuzzyWuzzy详解：模糊字符串匹配的利器与实战指南
最新发布
Dxy1239310216的博客
07-01 676
本文深入解析Python模糊匹配库FuzzyWuzzy的技术原理与实战应用。文章首先介绍了该库基于Levenshtein距离算法的核心原理，并详细说明其标准化预处理、分词加权等优化策略。通过功能矩阵对比展示了ratio()、partial_ratio()等核心方法的应用场景。文章还提供了性能优化技巧，包括预处理加速、阈值过滤和缓存机制，并给出企业名称标准化、地址去重等实战案例。最后通过性能对比表提出选型建议，并解答多语言处理等常见问题。全文系统性地阐述了如何利用FuzzyWuzzy高效解决文本模糊匹配问题。
Python-Opencv中的模糊处理
qq_44262417的博客
04-04 1816
Python-Opencv中的模糊处理 模糊处理原理 基于离散卷积、定义好每个卷积核、不同卷积核得到不同的卷积效果、模糊是卷积的一种表象 模糊方式： 均值模糊：一般用来处理图像的随机噪声 中值模糊：一般用来处理图像的椒盐噪声 自定义模糊：对图像进行锐化之类的操作 1. 均值模糊 一般用来处理图像的随机噪声 import cv2 as cv def mean_blur(image, a, b)...
Python-OpenCV中的图像模糊
weixin_33849942的博客
04-20 369
目录 1. 高斯模糊：cv2.GaussianBlur()   主要记录Python-OpenCV中的图像模糊操作； 1. 高斯模糊：cv2.GaussianBlur() def GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType...
OpenCV-Python模糊处理
量子象限
11-05 561
均值模糊 中值模糊 自定义模糊 均值模糊 import cv2 as cv import numpy as np # 均值模糊 def blur_demo(img): dst = cv.blur(img, (5, 5)) cv.imshow("blur image", dst) 中值模糊 import cv2 as cv import numpy as np # 中值模糊...
基于Opencv+python的车牌识别系统，
05-05
OpenCV提供了一系列函数，如`cv2.cvtColor()`进行颜色空间转换，`cv2.threshold()`执行二值化操作，`cv2.GaussianBlur()`用于降噪。通过这些方法，可以改善图像质量，使后续的车牌定位和字符分割更准确。 **2. 车牌...
Opencv+Python实现图像运动模糊和高斯模糊的示例
01-20
本文将探讨两种不同的模糊技术：运动模糊和高斯模糊，并通过OpenCV和Python来实现它们。 运动模糊，又称为动态模糊，是由于相机或拍摄对象在曝光期间的相对运动导致的一种现象。在实际应用中，这种模糊可以模拟快速...
基于OpenCV+Python的基本操作和实战项目
02-05
5. **滤波操作**：包括高斯模糊、中值滤波、卷积等，这些可用于平滑图像或提取特征。如`cv2.GaussianBlur()`和`cv2.medianBlur()`。 6. **边缘检测**：OpenCV提供了Canny、Sobel、Laplacian等边缘检测算法，如`cv2....
小试牛刀1：使用Python-OpenCV 实现一副图片的高斯模糊处理
qq_28490551的博客
07-09 819
实验步骤： 1.环境 安装好python3.x opencv3.3 window下 2.高斯模糊  概念：高斯模糊本质上是低通滤波器，输出图像的每个像素点是原图像上对应像素点与周围像素点的加权和 使用cv2做高斯模糊，只要一行代码调用GaussianBlur函数，给出高斯矩阵的尺寸和标准差就可以： blur = cv2.GaussianBlur(img,(5,5),0) （5,5）：高斯矩...
opencv-python学习笔记六：模糊处理
Hynes的博客
11-09 289
opencv-python学习笔记六：模糊处理 # -*- coding=GBK -*- import cv2 as cv import numpy as np def blur_demo(image): dst=cv.blur(image,(15,3))#水平方向，竖直方向 cv.imshow("均值模糊",dst) def median_blur_demo(image...
OpenCv-Python学习笔记(八)：图像平滑（图像模糊）
weixin_44077524的博客
02-28 1971
平均滤波器、高斯滤波、中值滤波、双边滤波
python + opencv图像处理（八）——模糊操作
小黄的博客
10-22 780
模糊操作基本原理： 1、基于离散卷积 2、定义好每个卷积核 3、不同卷积核得到不同的卷积效果 4、模糊是卷积的一种表象 分别有：均值模糊、中值模糊、自定义模糊 from cv2 import cv2 as cv import numpy as np # 均值模糊 可以去噪 def blur_demo(image): dst = cv.blur(image,(5,5)) # 水平和垂直...
【OpenCv 4 Python 3.7】模糊操作（均值模糊 中值模糊 自定义模糊 高斯模糊）
java_pythons的博客
08-15 861
一、均值模糊 中值模糊 自定义模糊 基于离散卷积 定义好每个卷积核 不同卷积核得到不同的卷积效果 模糊是卷积的一种表象 代码实现： import cv2 as cv import numpy as np def blur_demo(image): #均值模糊（去噪） dst = cv.blur(image, (5, 5)) #卷积层 5行5列 cv.imshow("blur_demo", dst) def median_blur_demo(image): #中值模糊（去噪：椒
python中图像模糊算法(均值,中值,自定义模糊),边缘保留滤波算法参数说明
wx601056818的博客
01-16 4482
模糊处理算法       均值模糊--------------------------------------------------------------blur()       中值模糊-------------------------椒盐噪声处理效果非常明显--------------------medianBlur()       高斯模糊---------------------...
OpenCV实现运动模糊图像的模拟
JohnHany的黑板
12-03 1万+
产生模糊和噪声的原因有很多，比如拍摄环境的不稳定、拍摄设备的不精密、拍摄对象的快速运动、空气气流的扰动、储存与传输过程电路产生的错误等，本文要考虑的是由于拍摄对象和拍摄设备相对运动引起的运动模糊。关于噪声，其种类和产生的原因也是多种多样，比如白噪声、椒盐噪声、闪烁噪声、褐色噪声等。由于本文关注的重点在于对运动模糊的处理，所以对噪声统一处理为加性的随机噪声。 运动模糊的数学原理 运动模糊，是在拍
图像处理：动态模糊
WiSirius的博客
12-12 1174
动态模糊在实际拍照场景中出现较多，主要造成原因是在拍摄瞬间相机的突然抖动形成的，在数据增强方案中可以通过模拟这种退化来使模型适用于这种图片（在该类图片中产生更好的效果）。本文分别提供了用opencv，torch，numpy实现的code。
OpenCV +python运动模糊图像复原
01-04
### 使用 Python 和 OpenCV 进行运动模糊图像复原 为了修复运动模糊的图片，通常采用逆滤波或维纳滤波的方法来恢复原始图像。这些方法基于傅里叶变换理论，通过估计模糊核并应用相应的去卷积技术。 #### 1. 导入必要的库 ```python import numpy as np import cv2 from matplotlib import pyplot as plt ``` #### 2. 定义运动模糊核函数 创建一个模拟特定方向和长度的运动模糊核。 ```python def create_motion_blur_kernel(size, angle): # 创建空白模板 kernel = np.zeros((size, size)) # 计算中心位置 center = (size - 1) / 2 # 设置角度参数 radian_angle = np.deg2rad(angle) for i in range(-int(center), int(center)+1): y = int(np.round(i * np.cos(radian_angle))) x = int(np.round(i * np.sin(radian_angle))) + int(center) if 0 <= x < size and 0 <= y + int(center) < size: kernel[y + int(center)][x] = 1 # 归一化使得总和为1 return kernel / np.sum(kernel) ``` #### 3. 应用逆滤波进行复原 逆滤波是一种简单但可能引入噪声放大问题的技术。 ```python def inverse_filter(blurred_image, psf): blurred_freq = np.fft.fftshift(np.fft.fft2(blurred_image)) # 图像频域表示 psf_freq = np.fft.fftshift(np.fft.fft2(psf[:blurred_image.shape[0], :blurred_image.shape[1]])) deconvolved_freq = blurred_freq / psf_freq # 频域除法得到清晰图谱 restored_img = np.abs(np.fft.ifft2(np.fft.ifftshift(deconvolved_freq))) return np.uint8(restored_img.clip(0, 255)) ``` #### 4. 维纳滤波器的应用 相比逆滤波，维纳滤波能够更好地抑制噪声影响。 ```python def wiener_deconvolution(blurred_image, psf, K=0.01): input_fft = np.fft.fftshift(np.fft.fft2(blurred_image)) psf_fft = np.fft.fftshift(np.fft.fft2(psf, s=input_fft.shape)) snr = 1 / K result_fft = np.conj(psf_fft) / (np.square(abs(psf_fft)) + 1/snr) * input_fft result = np.fft.ifft2(np.fft.ifftshift(result_fft)) return np.abs(result).clip(0, 255).astype(np.uint8) ``` #### 5. 处理边界效应和平滑过渡 针对边界处理和平滑度的问题，可以在上述过程中加入额外的操作以改善最终效果： - **扩展输入图像**：在执行任何操作之前先填充零值或其他方式扩充图像尺寸； - **调整PSF大小**：确保 PSF 的尺寸与实际使用的图像相匹配； - **后期平滑处理**：对结果施加轻微的高斯模糊减少伪影[^3]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值