OpenCV-Python——第12章：滤波器与图像平滑（图像模糊）

目录

2D卷积    平均模糊    高斯模糊    中值模糊    双边滤波    例子

---

1 2D卷积

与以为信号一样，我们也可以对 2D 图像实施低通滤波（LPF），高通滤波（HPF）等。LPF 帮助我们去除噪音，模糊图像。HPF 帮助我们找到图像的边缘

OpenCV 提供的函数 cv.filter2D() 可以让我们对一幅图像进行卷积操作。

filter2D(src, ddepth, kernel, dst, anchor, delta, borderType)

• src：输入图像
• ddepth：输出图像深度，-1使用原图像深度
• kernel：卷积核
• dst：输出图像
• anchor：核的基准点，默认为(-1, -1), 说明位于核的中心位置，基准点即kernel中与进行处理的像素点重合的点。
• delta：在储存目标图像前可选的添加到像素的值，默认值为0
• borderType：边界类型，可查看https://blog.csdn.net/yukinoai/article/details/86423937

2 平均模糊

blur(src, ksize, dst, anchor, borderType)

• src：输入图像
• ksize：平均卷积核的尺寸，元组（x，y）
• dst：输出图像
• anchor：核的基准点
• borderType：边界类型

这是由一个归一化卷积框完成的。他只是用卷积框覆盖区域所有像素的平均值来代替中心元素。可以使用函数 cv2.blur() 和cv2.boxFilter() 来完 这个任务。可以同看查看文档了解更多卷积框的细节。我们需要设定卷积框的 宽和高。下面是一个 归一化卷积框，又称平均滤波器核：

使用上述内核进行过滤会导致执行以下操作：对于每个像素，一个核大小窗口以此像素为中心，将落在此窗口内的所有像素相加，然后将结果除以核行乘核列，这等同于计算平均值该窗口内的像素值。 对图像中的所有像素执行此操作以产生输出滤波图像。

如果你不想使用归一化卷积框，你应该使用 cv2.boxFilter()，这时要传入参数 normalize=False。

3 高斯模糊

GaussianBlur(src, ksize, sigmaX, dst, sigmaY, borderType)

• src：输入图像
• ksize：平均卷积核的尺寸，元组（x，y）
• sigmaX：高斯核在x方向的标准差
• dst：输出图像
• sigmaY：高斯核在y方向的标准差（sigmaY=0时，其值自动由sigmaX确定（sigmaY=sigmaX）；sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定）
• borderType：边界类型

2维高斯函数可以表达为 :

现在把卷积核换成高斯核（简单来说，方框不变，将原来每个方框的值是相等的，现在里面的值是符合高斯分布的，方框中心的值最大，其余方框根据 距离中心元素的距离递减，构成一个高斯小山包。原来的求平均数现在变成求 加权平均数，全就是方框里的值）。实现的函数是 cv2.GaussianBlur()。我 们需要指定高斯核的宽和高（必须是奇数）。以及高斯函数沿 X，Y 方向的标准 差。如果我们只指定了 X 方向的的标准差，Y 方向也会取相同值。如果两个标 准差都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从 图像中去除高斯噪音。

4 中值模糊

medianBlur(src, ksize, dst)

• src：输入图像
• ksize：平均卷积核的尺寸，元组（x，y）
• dst：输出图像

顾名思义就是用与卷积框对应像素的中值来替代中心像素的值。这个滤波器经常用来去除椒盐噪声。前面的滤波器都是用计算得到的一个新值来取代中 心像素的值，而中值滤波是用中心像素周围（也可以使他本身）的值来取代他。 他能有效的去除噪声。卷积核的大小也应该是一个奇数。

5 双边滤波

bilateralFilter(src, d, sigmaColor, sigmaSpace, dst, borderType)

• src：输入图像
• d：邻域直径
• sigmaColor：色空间过滤器的sigma值，这个参数的值越大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域。 
• sigmaSpace：坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace. 
• dst：输出图像
• borderType：边界类型

函数 cv2.bilateralFilter() 能在保持边界清晰的情况下有效的去除噪音。但是这种操作与其他滤波器相比会比较慢。我们已经知道高斯滤波器是求 中心点邻近区域像素的高斯加权平均值。这种高斯滤波器只考虑像素之间的空 间关系，而不会考虑像素值之间的关系（像素的相似度）。所以这种方法不会考 虑一个像素是否位于边界。因此边界也会别模糊掉，而这正不是我们想要。

双边滤波在同时使用空间高斯权重和灰度值相似性高斯权重。空间高斯函数确保只有邻近区域的像素对中心点有影响，灰度值相似性高斯函数确保只有 与中心像素灰度值相近的才会被用来做模糊运算。所以这种方法会确保边界不 会被模糊掉，因为边界处的灰度值变化比较大。

6 例子

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('test15.jpg')  # 注意图片尺寸必须是卷积核的整倍，否则出错

# 2D卷积滤波
kernel = np.ones((5, 5), np.float32)/25  # 创建一个5x5的平均滤波器核
dst = cv2.filter2D(img, -1, kernel)

# 平均模糊
blur = cv2.blur(img, (5, 5))

# 高斯滤波
gauss = cv2.GaussianBlur(img, (5, 5), 0)

# 中值滤波
median = cv2.medianBlur(img, 5)

# 双边滤波
bila = cv2.bilateralFilter(img, 10, 200, 200)

plt.subplot(231), plt.imshow(img), plt.title('Original')
plt.subplot(232), plt.imshow(dst), plt.title('Filter2D')
plt.subplot(233), plt.imshow(blur), plt.title('Averaging')
plt.subplot(234), plt.imshow(gauss), plt.title('GuassianBlur')
plt.subplot(235), plt.imshow(median), plt.title('MedianBlur')
plt.subplot(236), plt.imshow(bila), plt.title('BilateralFilter')

plt.show()

结果如下