OpenCV学习笔记 - 图像滤波（一）

空间滤波

滤波即一幅图像通过滤波器得到另一幅图像；其中滤波器又称为卷积核，滤波的过程成为卷积；

• 给定一个卷积核 $w$ 对图像逐一扫描，扫描的部分要进行一一点乘
  $$g(x,y)=\sum _{s=-a}^a\sum _{s=-b}^{b}w(s,t)f(x+s,y+t)$$
  

低通滤波

自定义卷积核

cv2.filter2D(src,ddepth,kernel,anchor,delta,borderType)

• 代码功能：允许用户自定义卷积核实现卷积操作
• 参数说明：

  • src: 表示需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理
  • ddepth: 表示处理结果图像的深度，一般使用 $-1$ 表示与原始图像使用相同的图像深度
  • kernel: 表示卷积核，是一个单通道的数组。若处理彩色图像，每个通道使用不同的核，则必须将彩色图像分解后使用不同的核完成操作
  • anchor: 表示锚点，其默认值是 $(-1,-1)$，表示当前计算均值的点位于和的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点做为锚点
  • delta: 表示修正值，是可选项。如果该值存在，会在基础滤波的结果上加上该值作为最终的滤波处理结果
  • borderType: 表示边界样式，该值决定了以何种情况处理边界，通常使用默认值即可

• 代码实例：

  import cv2
  import numpy as np
  
  # 加载图片
  img = cv2.imread('./img/fdu.jpg')
  
  # 自定义卷积核
  kernel = np.ones((5,5),np.float32) / 25
  
  # 输出经过滤波处理的图像并展示
  dst = cv2.filter2D(img, -1, kernel)
  cv2.imshow('dst',dst)
  cv2.imshow('img',img)
  
  key = cv2.waitKey(0)
  if key & 0xFF == ord('q'):
      cv2.destroyAllWindows()
  

方盒滤波与均值滤波

cv2.boxFilter(src,ddepth,ksize,anchor,normalize,borderType)

• 代码功能：实现对图像的方盒滤波处理；
• 参数说明：

  • src: 表示需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理
  • ddepth: 表示处理结果图像的深度，一般使用 $-1$ 表示与原始图像使用相同的图像深度
  • kernel: 表示卷积核，是一个单通道的数组。若处理彩色图像，每个通道使用不同的核，则必须将彩色图像分解后使用不同的核完成操作
  • anchor: 表示锚点，其默认值是 $(-1,-1)$，表示当前计算均值的点位于和的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点做为锚点
  • normalize: 取值为 $0$ 或者 $1$，去 $0$的时候采用的是对邻域点求和，反之求平均
  • borderType: 表示边界样式，该值决定了以何种情况处理边界，通常使用默认值即可

• 代码实例：

  import cv2
  import numpy as np
  
  # 加载图片
  img = cv2.imread('./img/fdu.jpg')
  
  # 经过方盒滤波后的图像(normalize=0表示对邻域值求和,normalize=1表示对邻域求平均)
  dst = cv2.boxFilter(img,-1,(2,2),normalize=0)
  
  # 展示图片
  cv2.imshow('img',img)
  cv2.imshow('dst',dst)
  key = cv2.waitKey(0)
  if key & 0xFF == ord('q'):
      cv2.destroyAllWindows()
  

cv2.blur(src,ksize,anchor,borderType)

• 代码功能：实现图像的均值滤波操作
• 参数说明：

  • src: 表示需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理
  • ddepth: 表示处理结果图像的深度，一般使用 $-1$ 表示与原始图像使用相同的图像深度
  • kernel: 表示卷积核，是一个单通道的数组。若处理彩色图像，每个通道使用不同的核，则必须将彩色图像分解后使用不同的核完成操作
  • anchor: 表示锚点，其默认值是 $(-1,-1)$，表示当前计算均值的点位于和的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点做为锚点
  • borderType: 表示边界样式，该值决定了以何种情况处理边界，通常使用默认值即可

• 代码实例：

  import cv2
  import numpy as np
  
  # 读取图片
  img = cv2.imread('./img/fdu.jpg')
  
  # 输出经过均值滤波的图片
  dst = cv2.blur(img,(5,5))
  
  # 展示图片
  cv2.imshow('img',img)
  cv2.imshow('dst',dst)
  key = cv2.waitKey(0)
  if key & 0xFF == ord('q'):
      cv2.destroyAllWindows()
  

高斯滤波与中值滤波

cv2.GaussianBlur(img,ksize,sigmaX,sigmaY)

• 代码功能：对邻域内的像素点进行加权平均 （设置权重的依据-将中心点的权重加大，远离中心点的权重值减小）
• 参数说明：

  • img: 表示需要处理的图像
  • ksize: 表示滤波核的大小。卷积核大小指的是在滤波处理过程中其相邻图像的高度和宽度 （注意卷积核的尺寸值必须是奇数）
  • sigmaX: 表示卷积核在水平方向上的标准差，用来控制权重比例
  • sigmaY: 表示卷积核在垂直方向上的标准差，若将该值设置为0，则只采用sigmaX的值；若sigmaX和sigmaY都是0，则计算方式如下
    • $sigmaX=0.3\times [(ksize.width-1)\times 0.5-1]+0.8$
    • $sigmaY=0.3\times [(ksize.height-1)\times 0.5-1]+0.8$

• 代码实例：

  import cv2
  import numpy as np
  
  # 加载图片
  img = cv2.imread('./img/xdu.jpg')
  
  # 实现图像的高斯滤波(典型的应用-模糊化噪声点)
  new_img = cv2.GaussianBlur(img,(5,5),sigmaX=0,sigmaY=0)
  
  # 展示图片
  cv2.imshow('img',img)
  cv2.imshow('new_img',new_img)
  key = cv2.waitKey(0)
  if key & 0xFF == ord('q'):
      cv2.destroyAllWindows()
  

cv2.medianBlur(img,ksize)

• 代码功能：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
• 参数说明：

  • img: 表示需要处理的图像
  • ksize: 表示滤波核的大小。卷积核大小指的是在滤波处理过程中其相邻图像的高度和宽度 （注意卷积核的尺寸值必须是比1大的奇数）

• 代码实例：

  import cv2
  import numpy as np
  
  # 加载图片
  img = cv2.imread('./img/xdu.jpg')
  
  # 实现中值滤波(典型的应用-模糊化椒盐噪声点)
  new_img = cv2.medianBlur(img,5)
  
  # 展示图片
  cv2.imshow('img',img)
  cv2.imshow('new_img',new_img)
  key = cv2.waitKey(0)
  if key & 0xFF == ord('q'):
      cv2.destroyAllWindows()
  

双边滤波

cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace,borderType)

• 代码功能：综合考虑信息和色彩信息，有效保护图像内的边缘信息 （典型应用-图像美颜）

• 参数说明：

  • src: 表示需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理
  • d: 表示当前像素点为中心点的直径；若该值为非正数，则会自动从参数 sigmaSpace计算得到
  • sigmaColor: 滤波处理时选取的颜色差值范围，该值决定了那些像素点能够参与到滤波来。与当前像素点的像素值差值小于 sigmaColor 的像素点，能够参与到当前的
    滤波中。该值越大，就说明周围有越多的像素点可以参与到运算中。该值为 0 时，滤波失去意义；该值为 255 时，指定直径内的所有点都能够参与运算。
  • sigmaSpace: 表示坐标空间中的 sigma 值。它的值越大，说明有越多的点能够参与到滤波计算中来。当 d>0 时，无论 sigmaSpace 的值如何，d 都指定邻域大小；否则，d 与 sigmaSpace
    的值成比例。
  • borderType: 表示边界样式，该值决定了以何种情况处理边界，通常使用默认值即可

• 代码实例：

  import cv2
  import numpy as np
  
  # 加载图片
  img = cv2.imread('./img/Lena.jpg')
  
  # 实现双边滤波(典型的应用-图像美颜)
  new_img = cv2.bilateralFilter(img,25,100,100)
  
  # 展示图片
  cv2.imshow('img',img)
  cv2.imshow('new_img',new_img)
  key = cv2.waitKey(0)
  if key & 0xFF == ord('q'):
      cv2.destroyAllWindows()
  

  实验效果

---

高通滤波（未完待续）