第7章 图像平滑处理-- 均值滤波，方框滤波，高斯滤波，中值滤波，双边滤波，2D卷积

《OpenCV 轻松入门 面向Python》 学习笔记

以下所有方法，可处理多通道图像，处理方式为 各个通道独立处理。

1. 均值滤波 cv2.blur()

核size越大，图像失真越严重。

函数原型：

dst_img = cv2.blur(src_img, size, anchor, borderType)

参数：

• dst_img：滤波后得到的结果图像
• src_img：原始图像
• size：滤波核的大小（邻域区域大小），可以有任意通道数量，并能对各个通道独立处理。例如，参数值为(3, 3) 或者 (5, 5)
• anchor：锚点， 默认值为（-1, -1），表示当前计算均值的点位于核的中心点位置。
• borderType：边界样式，该值确定了以何种方式处理边界

通常情况下， 使用均值滤波函数时， 对于锚点（anchor）和 边界样式（borderType），直接采用其默认值即可。因此函数cv2.blur()的一般形式为：dst_img = cv2.blur(src_img, size)

---

2. 方框滤波 cv2.boxFilter()

方框滤波，可以自由选择是否对均值滤波的结果进行归一化。

• 进行归一化，像素点的结果像素值是邻域像素值之和的平均值。效果和 cv2.blur() 均值滤波一样
• 不进行归一化，像素点的结果像素值是邻域像素值之和。

函数原型：

dst_img = cv2.boxFilter(src_img, ddepth, ksize, anchor, normalize, borderType)

参数：

• dst_img：滤波后得到的结果图像
• src_img：原始图像
• ddepth：结果图像的图像深度，默认值为-1， 表示输出图像与原始图像有相同的图像深度。
• ksize：滤波核的大小（邻域区域大小），可以有任意通道数量，并能对各个通道独立处理。例如，参数值为(3, 3) 或者 (5, 5)，表示所选邻域图像的高度和宽度。
• anchor：锚点， 默认值为（-1, -1），表示当前计算均值的点位于核的中心点位置。
• normalize：表示在滤波时是否进行归一化。值为1（默认），代表需要进行归一化，像素点的结果像素值是邻域像素值之和的平均值，效果和 cv2.blur() 均值滤波一样；值为0，代表不需要进行归一化，像素点的结果像素值是邻域像素值之和。
• borderType：边界样式，该值确定了以何种方式处理边界

当normalize =0时，因为不进行归一化处理，因此滤波得到的值很可能超过当前像素值范围的最大值，从而被截断为最大值。这样就会得到一幅纯白色的图像。

---

3. 高斯滤波 cv2.GaussianBlur()

函数原型：

dst_img = cv2.GaussianBlur(src_img, ksize, sigmaX, sigmaY, borderType)

参数：

• dst_img：滤波后得到的结果图像
• src_img：原始图像
• ksize：滤波核的大小（邻域区域大小），可以有任意通道数量，并能对各个通道独立处理。例如，参数值为(3, 3) 或者 (5, 5)，表示所选邻域图像的高度和宽度。
• sigmaX：卷积核在水平方向上（X 轴方向）的标准差，其控制的是权重比例。
• sigmaY：卷积核在垂直方向上（Y 轴方向）的标准差，如果将改值设为0，则只采用sigmaX的值。如果sigmaX，sigmaY的值都为0，则通过ksize.width和 ksize.height计算得到。
  • sigmaX = 0.3 x [(ksize.width - 1) x 0.5 -1 ] +0.8
  • sigmaY = 0.3 x [(ksize.height - 1) x 0.5 -1 ] +0.8
    sigmaX 是必选参数，sigmaY是可选参数
• borderType：边界样式，该值确定了以何种方式处理边界

---

4. 中值滤波 cv2.medianBlur()

用邻域内所有像素值的中间值来替代当前像素点的像素值。

函数原型：

dst_img = cv2.medianBlur(src_img, ksize)

参数：

• dst_img：滤波后得到的结果图像
• src_img：原始图像
• ksize：滤波核大小

---

5. 双边滤波 cv2.bilateralFiter()

与当前点色彩相近的像素点（颜色接近的像素点），会被给予较大的权重；与当前点色彩差别较大的像素点（颜色相差较大的像素点），会被给予较小的权重。这样就保护了边缘信息。

函数原型：

dst_img = cv2.bilateralFiter(src_img, d, sigmaColor, sigmaSpace, borderType)

参数：

• dst_img：滤波后得到的结果图像
• src_img：原始图像
• d：滤波时选取的空间距离参数，这里表示以当前像素点为中心点的直径。如果该值为非正数，则会自动从参数sigmaSpace计算得到。实际应用中，推荐d=5，对于噪声较大的离线滤波，可以选择d=9。
• sigmaColor：滤波处理时选取的颜色差值范围，改值决定了周围哪些像素点能够参与到滤波中来。该值越大就说明周围有越多的像素可以参与到运算中来。
• sigmaSpace：坐标空间中的sigma值。它的值越大，说明有越多的值可以参与到计算中来。，当d>0时，无论sigmaSpace的值如何，d都指定邻域大小；否则，d 与 sigmaSpace的值成正比。
• borderType：边界样式，该值确定了以何种方式处理边界

---

6. 2D卷积 cv2.filter2D()

用户自定义卷积核进行卷积操作

函数原型：

dst_img = cv2.filter2D(src_img, ddpeth, kernel, anchor, delta, borderType)

参数：

• dst_img：滤波后得到的结果图像
• src_img：原始图像
• ddpeth：结果图像的图像深度，默认值为-1， 表示输出图像与原始图像有相同的图像深度。
• kernel：卷积核，是一个单通道的数组。如果想在处理彩色图像时，让每个通道使用不同的核，必须将彩色图像分解后，使用不同核完成操作。
• anchor：锚点， 默认值为（-1, -1），表示当前计算均值的点位于核的中心点位置。
• delta：修正值，它是可选项，如果该值存在，会在滤波结果上加上该值作为结果图像。
• borderType：边界样式，该值确定了以何种方式处理边界

通常情况下，只指定 src_img, ddpeth, kernel 三个参数，其余的参数使用默认值：

dst_img = cv2.filter2D(src_img, ddpeth, kernel)