python實現模糊操作

本文轉載自查看原文 2020-09-23 10:35 983 opencv-python

（一）模糊或平滑與濾波的介紹

（二）均值模糊

（1）原理

（2）代碼實現-----均值模糊函數blur()

（三）中值模糊------mediaBlur函數

（四）高斯模糊------GaussianBlur函數

（五）方框濾波------boxFliter函數

（六）雙邊濾波------bilateralFilter()函數

（七）自定義模糊filter2D

（1）介紹

（2）實現中值模糊

（3）實現銳化處理

（八）邊緣保留濾波------EPF

（1）高斯雙邊

（2）均值遷移

正文：

（一）模糊或平滑或濾波的介紹

平滑也稱模糊, 是一項簡單且使用頻率很高的圖像處理方法。平滑處理的用途有很多，但是在本教程中我們僅僅關注它減少噪聲的功用。從濾波角度來講，一般主要的目的都是為了實現對圖像噪聲的消除，增強圖像的效果。

平滑處理時需要用到一個 濾波器 。最常用的濾波器是線性濾波器，線性濾波處理的輸出像素值 (i.e. $g(i,j)$ ) 是輸入像素值 (i.e. $f(i+k,j+l)$ )的加權和 :

$g(i,j) = \sum_{k,l} f(i+k, j+l) h(k,l)$

$h(k,l)$ 稱為核, 它僅僅是一個加權系數。

不妨把 濾波器 想象成一個包含加權系數的窗口，當使用這個濾波器平滑處理圖像時，就把這個窗口滑過圖像。
濾波器的種類有很多，這里僅僅提及最常用的。

（二）均值模糊

（1）原理

最簡單的濾波器，輸出像素值是核窗口內像素值的均值 ( 所有像素加權系數相等)
核如下:

$K = \dfrac{1}{K_{width} \cdot K_{height}} \begin{bmatrix} 1 & 1 & 1 & ... & 1 \\ 1 & 1 & 1 & ... & 1 \\ . & . & . & ... & 1 \\ . & . & . & ... & 1 \\ 1 & 1 & 1 & ... & 1 \end{bmatrix}$

比如一個3*3的模板其實就可以如下表示：

（2）代碼實現-----均值模糊函數blur()

均值模糊函數blur()，定義：blur(src,ksize,dst=None, anchor=None, borderType=None)。定義是有5個參數，但最后三個均為none,所以也就2個參數

src：要處理的原圖像，ksize: 周圍關聯的像素的范圍。

def blur_demo(image):   #均值模糊
    dst = cv.blur(image,(3,3))  #ksize是卷積核大小3行3列,列數越大模糊越大
    cv.imshow("blur_demo",dst)

（三）中值模糊------mediaBlur函數

中值濾波模板就是用卷積框中像素的中值代替中心值，達到去噪聲的目的。這個模板一般用於去除椒鹽噪聲。中值濾波對於這些白點噪聲的去除是非常的好的。

前面的濾波器都是用計算得到的一個新值來取代中心像素的值，而中值濾波是用中心像素周圍（也可以使他本身）的值來取代他，卷積核的大小也是個奇數。
中值模糊函數medianBlur(): 定義：medianBlur(src, ksize, dst=None)。ksize與blur()函數不同，不是矩陣，而是一個數字，例如為5，就表示了5*5方陣

 1 def median_blur_demo(image):   #中值模糊,對於椒鹽噪聲的去噪效果好，去掉圖片中的一些黑點等
 2     gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
 3     for i in range(2000):  # 添加點噪聲,白色
 4         temp_x = np.random.randint(0, gray.shape[0])
 5         temp_y = np.random.randint(0, gray.shape[1])
 6         gray[temp_x][temp_y] = 255
 7 
 8     cv.imshow("median_blur_gray", gray)
 9     dst = cv.medianBlur(gray,5)  #ksize是卷積核大小1行3列,列數越大模糊越大
10     cv.imshow("median_blur_demo",dst)

（四）高斯模糊------GaussianBlur函數

https://www.cnblogs.com/april0315/p/13593743.html

（五）方框濾波

默認是歸一化處理的，也就是normalize沒有這個參數時

5*5核很容易發生溢出（每個像素點的值都保留在255），最后圖片為白色，2*2的核可能不會。

（六）雙邊濾波------bilateralFilter()函數

定義：bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
d：鄰域直徑
sigmaColor：顏色標准差

sigmaSpace：空間標准差

1 src2 = cv.bilateralFilter(src1, 5, 5, 2) 2 cv.imshow("雙邊濾波", src2)

（七）自定義模糊filter2D（上面是封裝在2D濾波器之上）

（1）介紹

Opencv提供的一個通用的2D濾波函數為cv2.filter2D()，
濾波函數的使用需要一個核模板，對圖像的濾波操作過程為：將和模板放在圖像的一個像素A上，求與之對應的圖像上的每個像素點的和，
核不同，得到的結果不同，而濾波的使用核心也是對於這個核模板的使用，需要注意的是，該濾波函數是單通道運算的，
也就是說對於彩色圖像的濾波，需要將彩色圖像的各個通道提取出來，對各個通道分別濾波才行。

（2）實現中值模糊

1 def custom_blur_demo(image):   #自定義模糊
2     kernel = np.ones([5,5],np.float32)/25   #聲明二維數組5*5，初始化1，保證值不溢出，除以數組大小,實現中值模糊  自定義卷積核的算子
3     dst = cv.filter2D(image,-1,kernel)
4     cv.imshow("custom_blur_demo",dst)

上述生成的5*5核模板其實就是一個均值濾波。,當我們是/25就是中值濾波，歸一化處理

（3）實現銳化處理

1 def custom_blur_demo(image):   #自定義模糊
2     kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32) #實現銳化處理，提高圖像的對比度，提高立體感，輪廓更加清晰
3     dst = cv.filter2D(image,-1,kernel)
4     cv.imshow("custom_blur_demo",dst)

（八）邊緣保留濾波------EPF

opencv實現EPF有兩種傳統方法，高斯雙邊和均值遷移

（1）高斯雙邊

差異越大，越會完整保留

 1 def bi_demo(image):
 2     dst = cv.bilateralFilter(image,0,100,15)  #第二個參數d是distinct，我們若是輸入了d,會根據其去算第3或4個參數，我們最好是使用第3或4個參數反算d,先設為0
 3     cv.imshow("bi_demo",dst)   
 4 
 5 src = cv.imread("./1.png")  #讀取圖片
 6 cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #創建GUI窗口,形式為自適應
 7 cv.imshow("input image",src)    #通過名字將圖像和窗口聯系
 8 bi_demo(src)
 9 cv.waitKey(0)   #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
10 cv.destroyAllWindows()  #銷毀所有窗口

def bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None): # real signature unknown; restored from __doc__

d, sigmaColor, sigmaSpace-------0，越大，越小

值域和空域的兩個方差sigma可以簡單的設置為相等，小於10，無太大效果，大於150效果太強，像卡通片似的。

濾波器尺寸d：大於5將較慢（5 forreal-time），d=9，for off-lineapplications，d 是像素鄰域“直徑”。計算的半徑，半徑之內的像數都會被納入計算，如果提供-1，會從后面的參數sigmaSpace中自動計算。

Sigma_color顏色空間過濾器的sigma值，這個參數的值越大，表明該像素鄰域內有越寬廣的顏色會被混合到一起，產生較大的半相等顏色區域。

Sigma_space坐標空間中濾波器的sigma值，如果該值較大，則意味着顏色相近的較遠的像素將相互影響，從而使更大的區域中足夠相似的顏色獲取相同的顏色。當d>0時，d指定了鄰域大小且與sigmaSpace五官，否則d正比於sigmaSpace. 雙邊濾波的內在想法是：在圖像的值域（range）上做傳統濾波器在空域（domain）上做的工作。空域濾波對空間上鄰近的點進行加權平均，加權系數隨着距離的增加而減少；值域濾波則是對像素值相近的點進行加權平均，加權系數隨着值差的增大而減少。

對於第三個參數:d來說一般來說，要想得到比較好的結果，3、4、5參數最好都指定。

第三個參數如果設定值大於5，那計算會很慢，所以一般設置都等於5，如果少數情況需要去除比較大的噪聲，那么d=9。要取得較好的平滑效果，最好在9附近

d或者Sigma_space設置的越大，包含的范圍越大，耗時越長

（2）均值遷移

def pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None): # real signature unknown; restored from __doc__

1 def shift_demo(image):
2     dst = cv.pyrMeanShiftFiltering(image,10,50)  #第二個參數d是distinct，我們若是輸入了d,會根據其去算第3或4個參數，我們最好是使用第3或4個參數反算d,先設為0
3     cv.imshow("shift_demo",dst)

第一個參數src，輸入圖像，8位，三通道的彩色圖像，並不要求必須是RGB格式，HSV、YUV等Opencv中的彩色圖像格式均可；

第二個參數sp，定義的漂移物理空間半徑大小；　　#越大，細節丟失越多

第三個參數sr，定義的漂移色彩空間半徑大小；
第四個參數dst，輸出圖像，跟輸入src有同樣的大小和數據格式；

第五個參數maxLevel，定義金字塔的最大層數；

第六個參數termcrit，定義的漂移迭代終止條件，可以設置為迭代次數滿足終止，迭代目標與中心點偏差滿足終止，或者兩者的結合；

參考：

https://www.cnblogs.com/ssyfj/p/9267648.html

https://blog.csdn.net/u011321546/article/details/79578029

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 模糊C均值聚類算法及python實現用python實現matlib的生成高斯模糊核 python實現對列表進行模糊查詢 python實現文件名得模糊匹配 Python下嘗試實現圖片的高斯模糊化 Python實現棧的操作 python實現git操作 python實現開閉操作模糊搜索的實現 vue實現模糊查詢