如何進行Python?OpenCV圖像模糊處理分析

這篇文章跟大家分析一下“如何進行Python OpenCV圖像模糊處理分析”。內容詳細易懂，對“如何進行Python OpenCV圖像模糊處理分析”感興趣的朋友可以跟著小編的思路慢慢深入來閱讀一下，希望閱讀后能夠對大家有所幫助。下面跟著小編一起深入學習“如何進行Python OpenCV圖像模糊處理分析”的知識吧。

其實我們平時在深度學習中所說的卷積操作，在 opencv 中也可以進行，或者說是類似操作。那么它是什么操作呢？它就是圖像的模糊（濾波）處理。

均值濾波

使用 opencv 中的cv2.blur(src, ksize)函數。其參數說明是：

src: 原圖像ksize: 模糊核大小

原理：它只取內核區域下所有像素的平均值并替換中心元素。3x3 標準化的盒式過濾器如下所示：

特征：核中區域貢獻率相同。作用：對于椒鹽噪聲的濾除效果比較好。

# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv


def image_blur(image_path: str):
    """
    圖像卷積操作：設置卷積核大小，步距
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 模糊操作（類似卷積），第二個參數ksize是設置模糊內核大小
    result = cv.blur(img, (5, 5))
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_blur(path)

結果展示：

高斯濾波

高斯濾波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函數。

說明：sigmaX,sigmaY分別表示 X,Y 方向的標準偏差。如果僅指定了sigmaX，則sigmaY與sigmaX相同；如果兩者都為零，則根據內核大小計算它們。

特征：核中區域貢獻率與距離區域中心成正比，權重與高斯分布相關。

作用：高斯模糊在從圖像中去除高斯噪聲方面非常有效。

def image_conv(image_path: str):
    """
    高斯模糊
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('img', img)
    # 高斯卷積（高斯濾波）， 可以設置ksize，必須為奇數，不為0時，后面的步驟不起作用；也可以設置成（0，0），然后通過sigmaX和sigmaY計算標準偏差
    result = cv.GaussianBlur(img, (0, 0), 15)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_conv(path)

結果展示：

高斯雙邊濾波

雙邊濾波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函數。

說明：d為鄰域直徑，sigmaColor為空間高斯函數標準差，參數越大，臨近像素將會在越遠的地方越小。

sigmaSpace灰度值相似性高斯函數標準差，參數越大，那些顏色足夠相近的的顏色的影響越大。

雙邊濾波是一種非線性的濾波方法，是結合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空間與信息和灰度相似性，達到保邊去噪的目的，具有簡單、非迭代、局部處理的特點。之所以能夠達到保邊去噪的濾波效果是因為濾波器由兩個函數構成：一個函數是由幾何空間距離決定濾波器系數，另一個是由像素差值決定濾波器系數。

特征：處理耗時。作用：在濾波的同時能保證一定的邊緣信息。

# 邊緣保留濾波器——高斯雙邊模糊
def image_bifilter(image_path: str):
    """
    高斯雙邊模糊
    :param image_path: 圖片文件
    :return: 無返回值
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 第三個參數是設置色彩、第四個參數是設置圖像坐標
    result = cv.bilateralFilter(img, 0, 50, 10)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_bifilter(path)

結果展示：

關于如何進行Python OpenCV圖像模糊處理分析就分享到這里啦，希望上述內容能夠讓大家有所提升。如果想要學習更多知識，請大家多多留意小編的更新。謝謝大家關注一下億速云網站！