10. 边缘保留滤波EPF-cv2.bilateralFilter()、cv2.pyrMeanShiftFiltering()

1. 什么是EPF?

     高斯模糊： 基于权重，权重只考虑像素空间的分布，中间的权重大，边缘的权重小。没有考虑像素值之间的差异问题，没有考虑边缘。
  边缘保留滤波： 像素之间的差异很大，说明是显著特征，如果直接平滑（滤波），显著特征会消失。像素之间差异大的地方通常是边缘，所以边缘保留滤波处理后的图片，在平滑（滤波）的情况下，依旧能够保留图像的边缘.。

2. 实现方式:

2.1 高斯双边滤波-cv2.bilateralFilter

双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空间与信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部处理的特点。之所以能够达到保边去噪的滤波效果是因为滤波器由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个是由像素差值决定滤波器系数.

• 实现函数:cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)
• 参数说明:

• src：输入图像

• d：过滤时周围每个像素领域的直径

• sigmaColor：Sigma_color较大，则在邻域中的像素值相差较大的像素点也会用来平均。

• sigmaSpace：Sigma_space较大，则虽然离得较远，但是，只要值相近，就会互相影响。

将sigma_space设置较大，sigma_color设置较小，可获得较好的效果（椒盐噪声）。

2.2 均值迁移滤波-cv2.pyrMeanShiftFiltering()

原理:meanShfit均值漂移算法是一种通用的聚类算法，它的基本原理是：对于给定的一定数量样本，任选其中一个样本，以该样本为中心点划定一个圆形区域，求取该圆形区域内样本的质心，即密度最大处的点，再以该点为中心继续执行上述迭代过程，直至最终收敛。可以利用均值偏移算法的这个特性，实现彩色图像分割.

实现函数:cv2.pyrMeanShiftFiltering(src, dst, double sp, double sr, int maxLevel=1, TermCriteria termcrit=TermCriteria)

参数如下: 

1. src，输入图像，8位，三通道的彩色图像；
2. dst，输出图像，跟输入src有同样的大小和数据格式；
3. sp，定义的漂移物理空间半径大小；
4. sr，定义的漂移色彩空间半径大小；
5. maxLevel，定义金字塔的最大层数；
6. termcrit，定义的漂移迭代终止条件，可以设置为迭代次数满足终止，迭代目标与中心点偏差满足终止，或者两者的结合；

3. 代码如下:

import cv2 as cv
import numpy as np


def bi_demo(image):  # bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
    
    dst = cv.bilateralFilter(image, 0, 100, 15)  # 高斯双边
    cv.imshow("bi_demo", dst)


def shift_demo(image):  # 均值迁移
    dst = cv.pyrMeanShiftFiltering(image, 10, 50)
    cv.imshow("shift_demo", dst)

if __name__ == '__main__':
    src = cv.imread("../images/CrystalLiu1.jpg")  # 读入图片放进src中
    cv.namedWindow("Crystal Liu")  # 创建窗口
    cv.imshow("Crystal Liu", src)  # 将src图片放入该创建的窗口中
    bi_demo(src)
    shift_demo(src)

    cv.waitKey(0) # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
    cv.destroyAllWindows()  # 关闭所有窗口