详解Python+OpenCV对图像进行平滑（模糊）操作

图像平滑

• 图像平滑从信号处理的角度看就是去除其中的高频信息，保留低频信息。因此我们可以对图像实施低通滤波。低通滤波可以去除图像中的噪声，对图像进行平滑。
• 根据滤波器的不同可分为均值滤波，高斯滤波，中值滤波， 双边滤波。

均值滤波

采用均值滤波模板对图像噪声进行滤除。

• 优点是算法简单，计算速度较快，

• 缺点是在去噪的同时去除了很多细节部分，将图像变得模糊。

• API:

  cv.blur(src, ksize, anchor, borderType)
  

• 参数:

  src：输入图像
  ksize：卷积核的大小
  anchor：默认值 (-1,-1) ，表示核中心
  borderType：边界类型

实验案例

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 1 图像读取
img = cv.imread('dog.png')
# 2 均值滤波
blur = cv.blur(img,(5,5))
# 3 图像显示
plt.rcParams['font.family'] = 'SimHei' #使用黑体
plt.figure(figsize=(10,8),dpi=100)
plt.subplot(121),plt.imshow(img[:,:,::-1]),plt.title('原图')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur[:,:,::-1]),plt.title('均值滤波后结果')
plt.xticks([]), plt.yticks([])
plt.show()

高斯滤波

• 高斯滤波去噪就是对整幅图像像素值进行加权平均，针对每一个像素点的值，都由其本身值和邻域内的其他像素值经过加权平均后得到。

API：

cv2.GaussianBlur(src,ksize,sigmaX,sigmay,borderType)

• 参数：
  • src: 输入图像
  • ksize:高斯卷积核的大小，注意 ： 卷积核的宽度和高度都应为奇数，且可以不同
  • sigmaX: 水平方向的标准差
  • sigmaY: 垂直方向的标准差，默认值为0，表示与sigmaX相同
  • borderType:填充边界类型

实验案例

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 1 图像读取
img = cv.imread('dog2.png')
# 2 高斯滤波
blur = cv.GaussianBlur(img,(3,3),1)
# 3 图像显示
plt.rcParams['font.family'] = 'SimHei' #使用黑体
plt.figure(figsize=(10,8),dpi=100)
plt.subplot(121),plt.imshow(img[:,:,::-1]),plt.title('原图')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur[:,:,::-1]),plt.title('高斯滤波后结果')
plt.xticks([]), plt.yticks([])
plt.show()

中值滤波

• 中值滤波是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值。

• 中值滤波对椒盐噪声（salt-and-pepper noise）来说尤其有用，因为它不依赖于邻域内那些与典型值差别很大的值。

• API：

  cv.medianBlur(src, ksize )
  

• 参数：

  src：输入图像
  ksize：卷积核的大小

实验案例

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 1 图像读取
img = cv.imread('dog3.png')
# 2 中值滤波
blur = cv.medianBlur(img,5)
# 3 图像显示
plt.rcParams['font.family'] = 'SimHei' #使用黑体
plt.figure(figsize=(10,8),dpi=100)
plt.subplot(121),plt.imshow(img[:,:,::-1]),plt.title('原图')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur[:,:,::-1]),plt.title('中值滤波后结果')
plt.xticks([]), plt.yticks([])
plt.show()

总结

图像平滑

• 均值滤波：算法简单，计算速度快，在去噪的同时去除了很多细节部分，将图像变得模糊
  cv.blur()
• 高斯滤波: 去除高斯噪声
  cv.GaussianBlur()
• 中值滤波: 去除椒盐噪声
  cv.medianBlur()