opencv python 5 平滑滤波
opencv python 5 平滑滤波
2D卷积
opencv提供了cv2.filter2D()函数来对图像进行卷积操作（图像滤波）。
dst = cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])- dst：输出图像
- src：输入图像
- ddepth：输出图像深度，-1为与原图相同
- kernel：卷积核
- anchor：锚点，默认为(-1, -1)，指卷积核的中心点
- delta：输出结果时的附加值，默认为0
- borderType：边界模式，默认为BORDER_DEFAULT
如使用一个5x5的均值滤波器对图像作均值滤波：
import cv2
import numpy as np
img = cv2.imread('a.jpg', 0)
kernel = np.ones((5, 5), np.float32) / 25
res = cv2.filter2D(img, -1, kernel)
cv2.imshow('res', res)
cv2.waitKey()图像模糊
图像模糊即使用低通滤波器对图像作卷积，可以有效地消除噪声。
均值滤波
均值滤波即直接取核中每个像素的均值，由cv2.blur()实现。
dst = cv.blur(src, ksize[, dst[, anchor[, borderType]]])- dst：输出图像
- src：输入图像
- ksize：模糊核的大小
- anchor：锚点，默认为(-1, -1)，指卷积核的中心点
- borderType：边界模式，默认为BORDER_DEFAULT
res = cv2.blur(img, (5, 5))高斯滤波
cv2.GaussianBlur()根据像素距离使用高斯函数生成权重进行滤波。
dst = cv.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])- dst：输出图像
- src：输入图像
- ksize：卷积核的大小
- sigmaX：x方向上的标准差
- sigmaY：y方向上的标准差
- borderType：边界模式，默认为BORDER_DEFAULT
若只给了一个sigma则同时视为两轴的sigma，若均为0则根据尺寸自动生成。
res = cv2.GaussianBlur(img, (5, 5), 0)中值滤波
cv2.medianBlur()取核中每个像素的中值作为该像素的值。
dst = cv.medianBlur(src, ksize[, dst])- dst：输出图像
- src：输入图像
- ksize：卷积核的大小
res = cv2.medianBlur(img, 5)双边滤波
cv2.bilateralFilter()双边滤波在高斯滤波的基础上增加了灰度值的影响，可以有效地在保持边缘清晰的情况下去除噪声，但速度较慢。
dst = cv.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])- dst：输出图像
- src：输入图像
- d：计算像素范围的直径
- sigmaColor：色彩空间的sigma
- sigmaSpace：协同空间的sigma
- borderType：边界模式，默认为BORDER_DEFAULT
res = cv2.bilateralFilter(img, 9, 75, 75)