OpenCV中边缘保留滤波（EPF）

最新推荐文章于 2022-02-22 15:25:37 发布
原创 最新推荐文章于 2022-02-22 15:25:37 发布 · 521 阅读 · 0 ·
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。
文章标签：

#opencv #计算机视觉 #边缘检测 #python

本文介绍了OpenCV库中用于图像处理的两种边缘保留滤波方法：高斯双边滤波和均值迁移滤波。通过Python代码展示了如何应用这些滤波器对图像进行平滑处理，同时保持图像边缘清晰。高斯双边滤波器利用颜色和空间信息来保护边缘，而均值迁移滤波通过颜色和空间迁移来达到类似效果。这两个滤波器是相机滤镜效果的基础，对图像质量提升有显著作用。

OpenCV中边缘保留滤波（EPF）

边缘保留滤波分为高斯双边滤波和均值迁移滤波（有多种叫法）
主要是理解参数作用。
边缘保留滤波是相机滤镜的基本原理。

代码实现：

import cv2
#边缘保留滤波（EPF）
img = cv2.imread('cat.jpg')
cv2.imshow('cat',img)
#1.高斯双边滤波
#第二个参数为过滤时像素领域的直径，设为0则由后面两个参数算出即可
#第三个参数为颜色标准差
#第四个参数为空间标准差
#第三第四个参数构成高斯分布
image1 = cv2.bilateralFilter(img,0,100,15)
cv2.imshow('newcat1',image1)
#2.均值迁移滤波
#第二个参数 迁移物理空间半径
#第三个参数 迁移颜色空间半径
image2 = cv2.pyrMeanShiftFiltering(img,10,50)
cv2.imshow('newcat2',image2)
cv2.waitKey()

运行结果：
在这里插入图片描述

夏帆er
关注
边缘保留的图像滤波方法
02-03
算法空域滤波是在图像空问借助掩模进行邻域操作完成的，它 们根据其特点一般可分成线性的和非线性的两类。线性系统的 转移函数和脉冲函数或点扩散函数构成傅立叶变换对，所以线 性滤波器的设计常基于对傅立叶变换的分析。非线性空问滤波 器则一般直接对邻域进行操作
OpenCV——边缘保留滤波(EPF)
保持一颗敬畏之心，简单地调用C++，适当地向C++妥协，让以后的自己看懂代码，让别人看懂代码。
01-20 591
目录前言正文高斯双边模糊均值迁移模糊 前言 高斯模糊只考虑了权重，只考虑了像素空间的分布，没有考虑像素值和另一个像素值之间差异的问题，如果像素间差异较大的情况下（比如图像的边缘），高斯模糊会进行处理，但是我们不需要处理边缘，要进行的操作就叫做边缘保留滤波（EPF） 正文 高斯双边模糊 效果图 这是第一种EPF处理方式，处理函数为： def bi_demo(image): dst = cv.bilateralFilter(image,0,100,15) cv.imshow("bi_demo"
OpenCV---边缘保留滤波EPF
weixin_30911451的博客
07-05 275
OpenCV经典的两种实现EPF方法：高斯双边和均值迁移 一：双边模糊 差异越大，越会完整保留 def bi_demo(image): dst = cv.bilateralFilter(image,0,100,15) #第二个参数d是distinct，我们若是输入了d,会根据其去算第3或4个参数，我们最好是使用第3或4个参数反算d,先设为0 cv.imshow...
【opencv自学笔记】07：边缘保留滤波EPF
lnplnp_的博客
08-09 656
两个API bilateralFilter 双边滤波 pyrMeanShiftFiltering 均值偏移滤波 import cv2 as cv import numpy as np #边缘保留滤波 #高斯双边滤波 def bi_demo(image): dst=cv.bilateralFilter(image,0,100,30) cv.imshow('bi_demo'...
OpenCV--边缘保留滤波（EPF）
weixin_49453918的博客
10-16 1638
均值与滤波的缺点：并没有考虑中心像素点对整个输出像素的贡献，实际上锚定的那个点贡献应该是最大的 高斯滤波的缺点：当边缘值梯度很大的时候，应减少中心像素点的权重，而高斯滤波没有考虑 边缘保留滤波： 高斯双边 均值迁移 高斯双边 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markd.
opencv基础之边缘保留滤波算法
朱骥伦的博客
09-12 1484
边缘保留滤波算法高斯双边滤波Mean-shift均值迁移滤波 高斯双边滤波 高斯滤波考虑了图像空间位置对权重的影响，离中心点越近权重越大。但是高斯滤波没有考虑图像中的像素分布对图像卷积输出的影响。而高斯双边滤波则充分考虑了这一点，对像素值空间分布差异较大的进行保留从而可以完整地保留图像的边缘信息。 图像一定区域内的像素分布是有一定规律的，要保留边缘信息，就应当只让像素值相近的参与计算，对于差异较大的则不参与卷积计算。所谓双边滤波，就是指同时考虑了空间位置和像素值分布这两点。 opencv API: voi
OpenCV——边缘保留滤波EPF（Edge Preserve Filter）
Pinkgranite86的博客
11-21 1004
原图像： pymeanshift结果： bilateralfilter结果： 代码部分： import numpy as np import cv2 as cv def bilateral_filter(image): # 高斯双边——边缘保留滤波 # bilateralFilter can reduce unwanted noise very well while keeping edges fairly sharp. However, it is # . v
Python_opencv(边缘保留滤波EPF)
mnhdxhcky的博客
07-27 1469
边缘保留滤波（EPF）   import cv2 as cv import numpy as np def bi_demo(image): #高斯双边 ##dst=cv.bilateralFilter(image,0,100,15) dst=cv.bilateralFilter(src=image,d=0,sigmaColor=100,sigmaSpace=15) ...
opencv学习八：高斯模糊和边缘保留滤波EPF
weixin_44145452的博客
01-11 1046
1、高斯模糊 1.1 numpy 实现高斯模糊 代码如下： import cv2 as cv import numpy as np #截断函数 def clamp(pv): if pv > 255: return 255 else: return pv #高斯滤波 def gaussian_noise(image): h, w, c = image.shape for row in range(h): for col
OpenCV4学习笔记（15）——图像边缘保留滤波
邱小兵的博客
03-03 1492
本次要整理记录的是关于图像边缘保留滤波算法（EPF）的相关内容，主要有高斯双边模糊、均值迁移模糊和快速边缘保留滤波算法。这些算法在OpenCV中都提供了完善的API可以调用，我只是对其基本原理做了些许了解，并在此基础上学习各个参数的调教，下面就逐一来进行整理。 - 高斯双边模糊 说到高斯双边模糊感觉有些高大上，但是说到高斯模糊就显得接地气多了，之前曾经整理过，高斯模糊就是利用一个不断移动的窗口来获...
边缘保留滤波器
ZHANGWENJUAN1995的博客
12-22 2482
边缘保留滤波器（图像平滑方法） 1.多尺度边缘保留与分解 Z. Farbman, R. Fattal, D. Lischinski, Edge-preserving decompositions for multi-scale tone and detail manipulation, ACM Trans. Graph. 27 (3) (2008) 1–10. 2.均值滤波 S. Li, X. K...
从头学习opencv（8）--边缘保留滤波EPF
weixin_40935479的博客
06-20 666
边缘保留滤波 解释来自于https://blog.youkuaiyun.com/u013921430/article/details/84532068 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；例如，以 q qq 为中心的窗口中，某一点 p pp 在高斯滤波过程中的权重的计算方法如下式； 即在滤波窗口内，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...
【OpenCV】EPF边缘保留滤波
qq_36926037的博客
07-23 648
文章目录一、边缘保留滤波介绍二、边缘保留滤波方法2.1 高斯双边（滤波）cv.bilateralFilter2.2 均值迁移（滤波）cv.pyrMeanShiftFiltering 一、边缘保留滤波介绍   高斯模糊： 基于权重，权重只考虑像素空间的分布，中间的权重大，边缘的权重小。没有考虑像素值之间的差异问题，如果像素值之间的差异很大，应该不参与计算。   边缘保留滤波： 像素之间的差异很大，说明是显著特征，如果直接平滑（滤波），显著特征会消失。像素之间差异大的地方通常是边缘，所以边缘保留滤波处理后的图片
图像处理------Mean Shift滤波(边缘保留的低通滤波)
weixin_33753845的博客
07-24 489
一：Mean Shift算法介绍 Mean Shift是一种聚类算法，在数据挖掘，图像提取，视频对象跟踪中都有应用。本文 重要演示Mean Shift算法来实现图像的低通边缘保留滤波效果。其处理以后的图像有点 类似油画一样。Mean Shift算法的输入参数一般有三个： 1.矩阵半径r，声明大小 2.像素距离，常见为欧几里德距离或...
python-opencv--边缘保留滤波（EPF）
weixin_43740956的博客
10-26 458
import cv2 as cv import numpy as np def bi_demo(image): #高斯双边模糊，可以去除无关噪声，并且保持较好的边缘信息 dst = cv.bilateralFilter(image, 0, 100, 15) cv.imshow(“bi_demo”, dst) def shift_demo(image): #均值迁移 dst = cv.pyrMeanShiftFiltering(image, 10, 50) cv.imshow(“shift_demo”, ds
边缘保留滤波（EPF）
qq_36783848的博客
03-14 3621
一、EPF 高斯模糊只考虑了权重，只考虑了像素空间的分布，没有考虑像素值和另一个像素值之间差异的问题，如果像素间差异较大的情况下（比如图像的边缘），高斯模糊会进行处理，但是我们不需要处理边缘，要进行的操作就叫做边缘保留滤波（EPF） 二、EPF的操作具体有两种做法： 1、高斯双边模糊（类似磨皮效果） def bi_demo(image): ''' 高斯双边模糊: #i...
边缘保留滤波EPF
学习笔记
01-29 338
更多参考: https://zhuanlan.zhihu.com/p/127023952 *** https://blog.youkuaiyun.com/keith_bb/article/details/54427779 https://blog.youkuaiyun.com/dcrmg/article/details/52705087 import cv2 as cv def bi_demo(image): # (src, d, sigmaColor, sigmaSpace, dst=None, bo
P25边缘保留滤波（EPF滤波）
m0_54641001的博客
02-22 840
（一）知识点 ①EPF滤波总述 ②高斯双边 ③非局部均值滤波 （二）API ①bilateralFilter() 【高斯双边】 void cv::bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType = BORDER_DEFAULT ) 参数解释（来源于(16条消息) bilateral fil..
OpenCV C++ 边缘保留滤波算法代码
最新发布
10-16
边缘保留滤波算法主要有中值滤波和双边滤波等。以下为你提供这两种滤波算法在 OpenCV C++ 中的实现代码示例： ### 中值滤波示例代码 ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 读取图像 cv::Mat image = cv::imread("example.jpg", cv::IMREAD_COLOR); if (image.empty()) { std::cout << "Could not open or find the image" << std::endl; return -1; } // 中值滤波 cv::Mat medianFiltered; int kernelSize = 5; // 核大小，必须为奇数 cv::medianBlur(image, medianFiltered, kernelSize); // 显示原始图像和滤波后的图像 cv::imshow("Original Image", image); cv::imshow("Median Filtered Image", medianFiltered); // 等待按键退出 cv::waitKey(0); return 0; } ``` ### 双边滤波示例代码 ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 读取图像 cv::Mat image = cv::imread("example.jpg", cv::IMREAD_COLOR); if (image.empty()) { std::cout << "Could not open or find the image" << std::endl; return -1; } // 双边滤波 cv::Mat bilateralFiltered; int d = 9; // 过滤时使用的每个像素邻域的直径 double sigmaColor = 75; // 颜色空间滤波器的标准差 double sigmaSpace = 75; // 坐标空间滤波器的标准差 cv::bilateralFilter(image, bilateralFiltered, d, sigmaColor, sigmaSpace); // 显示原始图像和滤波后的图像 cv::imshow("Original Image", image); cv::imshow("Bilateral Filtered Image", bilateralFiltered); // 等待按键退出 cv::waitKey(0); return 0; } ``` 在上述代码中，第一个示例使用 `cv::medianBlur` 函数实现中值滤波，第二个示例使用 `cv::bilateralFilter` 函数实现双边滤波，它们都能在一定程度上保留图像的边缘信息 [^1]。
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