图像平滑处理的基本概念非常直观,它使用滤波器模板确定的邻域内像素的平均/加权平均灰度值代替图像中每个像素的值。平滑线处理滤波器也称均值滤波器,所有系数都相等(非加权平均)的空间均值滤波器也称为盒状滤波器。
在《OpenCV-Python 图像平滑处理1:卷积函数filter2D详解及用于均值滤波的案例》介绍了使用filter2D实现
图像平滑处理、在《OpenCV-Python 图像平滑处理2:blur函数及滤波案例》介绍了使用blur实现图像模糊处理,本文将介绍另外一个OpenCV-Python的函数boxFilter实现平滑处理。
boxFilter也是OpenCV用于进行图像模糊处理的函数,该函数使用盒装滤波器进行均值滤波平滑处理。盒状滤波器的所有元素都相等,其元素为浮点数。
boxFilter的核矩阵的元素取值有两种,与归一化参数normalize 有关。boxFilter对应核矩阵为:
这里的α取值规则如下:
对系数相等的盒状滤波来说,由于核矩阵的对称性,卷积和相关的处理结果相同。关于相关和卷积的关系请参考《《数字图像处理》空间滤波学习感悟2:空间相关与卷积的概念、区别及联系》的介绍。
dst = cv.boxFilter( src, ddepth, ksize[, dst[, anchor[, normalize[, borderType]]]] )
注意:
返回值为结果图像矩阵,因此输入参数中的dst参数无需输入。
从以上介绍可知,boxFilter函数与blur函数一样,就是在《OpenCV-Python 图像平滑处理1:卷积函数filter2D详解及用于均值滤波的案例》介绍的filter2D的一种用于均值滤波的特定应用,而blur函数又是boxFilter函数归一化处理的特例。
下面的案例脱胎于OpenCV帮助文档,代码对输入图像进行均值滤波:
import cv2
import numpy as np
from opencvPublic import cmpMatrix
def smoothingByBlur():
img = cv2.imread('f:\\pic\\opencvLogo.JPG')
ksize = (5,5)
dst = cv2.blur(img, ksize)
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(dst), plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()
return dst
def smoothingByBoxFilter():
img = cv2.imread('f:\\pic\\opencvLogo.JPG')
ksize = (5,5)
dst = cv2.boxFilter(img, ddepth=-1, ksize=ksize,normalize =True)
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(dst), plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()
return dst
d1 = smoothingByBlur()
d2 = smoothingByBoxFilter()
if(cmpMatrix(d1,d2)): #对比两个结果矩阵是否一致
print('d1==d2')
else: print('d1!=d2')
文字输出:
d1==d2
可以看到输出图像比输入图像变模糊了,且boxFilter归一化的处理的结果矩阵与filter2D、blur处理的结果完全一样。
本文介绍了图像平滑处理及均值滤波等基础概念,并详细介绍了卷积函数boxFilter的Python语法及参数,并用之进行了对图像的均值滤波平滑处理,可以看到其归一化的模糊化处理结果与filter2D、blur函数完全一样,实际上它是filter2D一种特定场景的应用,而blur又是boxFilter函数归一化处理的特例。
更多图像处理请参考专栏《OpenCV-Python图形图像处理》、《图像处理基础知识》以及付费专栏《OpenCV-Python初学者疑难问题集》的介绍。
对于缺乏Python基础的同仁,可以通过老猿的免费专栏《 专栏:Python基础教程目录》从零开始学习Python。
如对文章内容存在疑问,可在博客评论区留言,或关注:老猿Python 微信公号发消息咨询:
也可以扫描博客左边栏目的微信公号二维码咨询。
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
前两个专栏都适合有一定Python基础但无相关知识的小白读者学习,第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。
对于缺乏Python基础的同仁,可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏:Python基础教程目录)从零开始学习Python。
如果有兴趣也愿意支持老猿的读者,欢迎购买付费专栏。