【opencv-python 7】模糊操作

均值模糊

dst = cv.blur(image,(5,5)) # (5,5)卷积核大小

用途：适用于随机噪声

中值模糊

dst = cv.medianBlur(image,5)

用途：适用于椒盐噪声

自定义模糊

 kernel = np.ones([5,5],np.float32)/25 # 除以25防止数值超过255，溢出
 dst = cv.filter2D(image,-1,kernel=kernel)

用途：用户根据需要，自定义，灵活性好

自定义模糊操作实现图像锐化

kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32) #使用了图像的锐化算子
dst = cv.filter2D(image,-1,kernel=kernel)
cv.imshow('sharp_demo',dst)

用途：用于图像增强，突出边框特征

下面是代码演示

import cv2 as cv
import numpy as np


# 均值模糊，可以去燥，对随机噪声效果好
def blur_demo(image):
    dst = cv.blur(image,(5,5)) # (5,5)卷积核大小
    cv.imshow('blur',dst)
    

# 中值模糊,对椒盐噪声效果好
def median_blur_demo(image):
    dst = cv.medianBlur(image,5)
    cv.imshow("median_blue",dst)
    

# 自定义
def custom_blur_demo(image):
    kernel = np.ones([5,5],np.float32)/25 # 除以25防止数值超过255，溢出
    dst = cv.filter2D(image,-1,kernel=kernel)
    cv.imshow('custom_blur',dst)


# 利用自定义模糊，实现图像的锐化
def sharp_demo(image):
    kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32)
    dst = cv.filter2D(image,-1,kernel=kernel)
    cv.imshow('sharp_demo',dst)

src = cv.imread('D:/images/lenanoise.png')
cv.imshow('input image',src)

blur_demo(src)
median_blur_demo(src)
custom_blur_demo(src)
sharp_demo(src)

cv.waitKey(0)
cv.destroyAllWindows()

运行效果

高斯模糊

带有权重的均值模糊，是均值模糊的一种扩展。去噪的效果更好。

高斯模糊对高斯噪声有明显的抑制作用

看下面的代码

import cv2 as cv
import numpy as np

# 方式溢出
def clamp(pv):
    if pv>255:
        return 255
    if pv<0:
        return 0
    else:
        return pv

def gaussian_noise(image):
    h,w,c = image.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0,20,3)
            b = image[row,col,0]
            g = image[row,col,1]
            r = image[row,col,2]
            image[row,col,0] = clamp(b + s[0])
            image[row,col,1] = clamp(g + s[1])
            image[row,col,2] = clamp(r + s[2])
    cv.imshow('guassian_nosie_image',image)

src = cv.imread('D:/images/demo.png')
cv.imshow('input image',src)

dst = cv.GaussianBlur(src,(0,0),15)
cv.imshow('Gaussian_blur',dst)

# 加入高斯噪声
t1 = cv.getTickCount()
gaussian_noise(src)
t2 = cv.getTickCount()
print('time consume:%.2fs'%((t2-t1)/cv.getTickFrequency()))

# 对加入高斯噪声后的图像进行高斯模糊
cv.imshow('Gaussian_blur_after_GaussNoise',cv.GaussianBlur(src,(5,5),0))

cv.waitKey(0)
cv.destroyAllWindows()

运行结果

time consume:2.49s

时间消耗的挺长的