OpenCV濾波器專題@ 龍門石窟篇
?
?????????【Python-Open_CV系列（九）】

文章目錄

• 1. 濾波器
• • 1.1 什么是濾波器？
  • 1.2 關(guān)于濾波核
• 1.3 素材選擇
• 2.均值濾波器 cv2.blur()
• • 2.1 語法簡介
  • 2.2 代碼示例
  • • 2.2.1 3×3 濾波核為例
    • 2.2.2 5×5 濾波核為例
    • 2.2.3 10×10濾波核為例
• 3. 中值濾波器 cv2.medianBlur()
• • 代碼示例
• 4. 高斯濾波器 cv2.GaussianBlur()
• 5. 雙邊濾波器 cv2.bilateralFilter()

---

??????????????????????????????????????????????????????????????????????????????????????????????
?????????????????
??????????????????????????????????????????????????????????????????????????????????????????????????????????????????

---

大家好，我是侯小啾！

?今天分享的內(nèi)容是，OpenCV濾波器，本文將介紹的濾波器有均值濾波器、中值濾波器、高斯濾波器、雙邊濾波器。如果對您有所幫助，還請留下您寶貴的支持過的痕跡。
?????????????????????????????????????

---

---

1. 濾波器

1.1 什么是濾波器？

??濾波器是對圖像做平滑處理 的一種常用工具。
?
??平滑處理即在盡可能地保留原圖像信息的情況下，對像素值進(jìn)行微調(diào)，使鄰近的像素值之間，值的大小趨于“平滑”，以去除圖像內(nèi)的噪聲、降低細(xì)節(jié)層次信息等的一系列的操作過程。本篇blog將為大家展示OpenCV中的均值濾波器 、中值濾波器 、高斯濾波器 和 雙邊濾波器。

??濾波器的算法邏輯為，指定一個濾波核的大小（該大小表示參與計(jì)算的像素?cái)?shù)據(jù)的范圍），以圖像中的每一個像素都作為波的核心，通過該范圍內(nèi)的數(shù)據(jù)，以一定的計(jì)算方式進(jìn)行計(jì)算，將計(jì)算結(jié)果該值賦值給該像素。

---

1.2 關(guān)于濾波核

??以大小為n×n的濾波核為例，對于每一個像素?cái)?shù)據(jù)，我們可以在數(shù)組中得到以一個像素為中心的n×n的矩陣，此即參與計(jì)算的數(shù)據(jù)的范圍（邊界）。這樣的矩陣結(jié)構(gòu)即被稱為濾波核。

---

1.3 素材選擇

使用圖像《龍門石窟》(longmen.jpg) shape：(350, 600, 3)
??????

---

2.均值濾波器 cv2.blur()

2.1 語法簡介

均值濾波器，也稱低通濾波器
顧名思義，均值濾波器即對濾波核內(nèi)的數(shù)據(jù)求均值，然后將這個值賦值給矩陣核心位置。
均值濾波器可以使用cv2.blur() 方法實(shí)現(xiàn)

cv2.blur()的語法：

dst = blur(src, ksize, dst=None, anchor=None, borderType=None)

其中
?
scr 即圖像
?
ksize 濾波核大小。使用一個元組表示，形如(a, b)，a表示height（高度）,b表示width（寬度）。
?
anchor 波核錨點(diǎn)
?
borderType 邊界類型

下邊以3×3，5×5，10×10三種濾波核為例，分別展示圖像經(jīng)過均值濾波器處理后的效果。

---

2.2 代碼示例

---

2.2.1 3×3 濾波核為例

import cv2 img = cv2.imread("longmen.jpg") dst1 = cv2.blur(img, (3, 3)) cv2.imshow("3*3", dst1) cv2.waitKey() cv2.destroyAllWindows()

濾波效果如下：
??????

---

2.2.2 5×5 濾波核為例

import cv2 img = cv2.imread("longmen.jpg") dst2 = cv2.blur(img, (5, 5)) cv2.imshow("5*5", dst2) cv2.waitKey() cv2.destroyAllWindows()

濾波效果如下：
??????

---

2.2.3 10×10濾波核為例

import cv2 img = cv2.imread("longmen.jpg") dst3 = cv2.blur(img, (10, 10)) cv2.imshow("10*10", dst3) cv2.waitKey() cv2.destroyAllWindows()

????????

---

可以看出，濾波核大小越大，圖像越趨于模糊。

---

3. 中值濾波器 cv2.medianBlur()

中值濾波器，即對濾波核內(nèi)所有數(shù)據(jù)排序，將中間值賦值給濾波核核心位置的數(shù)字。
?
medianBlur(src, ksize, dst=None)

其中 ksize必須是奇數(shù)，是偶數(shù)的話會發(fā)生報(bào)錯。
?
不同于均值濾波器的方法，cv2.blur()，cv2.blur()的ksize參數(shù)是一個元組，而cv2.blur()的ksize參數(shù)是一個數(shù)值。

代碼示例

import cv2 img = cv2.imread("longmen.jpg") dst1 = cv2.medianBlur(img, 3) cv2.imshow("3*3", dst1) cv2.waitKey() cv2.destroyAllWindows()

濾波后效果如下：
?????

---

4. 高斯濾波器 cv2.GaussianBlur()

高斯濾波器也被稱為高斯模糊 或 高斯平滑 。
高斯濾波器可以在降低圖片噪聲、細(xì)節(jié)層次的同時保留更多的圖像信息，使經(jīng)過處理的圖像呈現(xiàn)出“磨砂玻璃”的濾鏡效果。
?
使用均值濾波時，每個像素都是均等權(quán)重的。使用高斯濾波器求的是不同權(quán)重下的均值，越靠近核心的像素的權(quán)重越大，約靠近邊緣的像素的權(quán)重則越小。
與濾波核對應(yīng)的由每個數(shù)據(jù)權(quán)重組成的矩陣結(jié)構(gòu)，是一個卷積核。卷積核中所有權(quán)重值的和為1。卷積核中的數(shù)值會隨著核的大小而變化。
OpenCV使用cv2.GaussianBlur()方法實(shí)現(xiàn)高斯濾波器。其語法如下：

GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

其中
?
src 為目標(biāo)圖像
?
ksize 是濾波核大小，寬高必須是奇數(shù) 。格式為是元組形式。
?
修改sigmaX 和 sigmaY都會改變卷積核中的權(quán)重值。這里涉及卷積方面的知識。
?
borderType 是邊界類型。

以9×9的濾波核為例

import cv2 img = cv2.imread("longmen.jpg") dst1 = cv2.GaussianBlur(img, (9, 9), 0, 0) cv2.imshow("9*9", dst1) cv2.waitKey() cv2.destroyAllWindows()

濾波后效果如下：
?????

---

5. 雙邊濾波器 cv2.bilateralFilter()

前三種濾波方式都會使圖像變得平滑的同時，邊緣區(qū)域變得模糊不清。
雙邊濾波是可以在濾波過程中起到保護(hù)圖像邊界信息作用的濾波操作方法。
?
其邏輯為：
如果圖像在邊緣區(qū)域，則加大邊緣像素的權(quán)重，盡可能地讓邊緣區(qū)域的像素值保持不變。如果不在邊緣區(qū)域（在平坦區(qū)域），則使用類似高斯濾波器的算法進(jìn)行。

雙邊濾波器的語法為：
?
bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
?
scr ??即目標(biāo)圖像
?
d ??過濾期間使用的每個像素鄰域的直徑。如果為非正，則根據(jù)sigmaSpace計(jì)算。即如果為15，則表示15×15的濾波核。
?
sigmaColor ??參與計(jì)算的顏色的范圍，只有像素小于這個值時，以其為核心的濾波核才參與濾波計(jì)算。否則不參與。當(dāng)sigmaColor值為255時，表示所有像素值為核心的濾波核都會參與。
?
sigmaSpace ??坐標(biāo)空間的$\sigma$值，$\sigma$越大，參與計(jì)算的像素?cái)?shù)量就越多。
?
borderType ??邊界的樣式。

還以圖片"longmen.jpg"為例，
選擇20×20的濾波核，
參與計(jì)算的像素值范圍為：小于125的像素值；
坐標(biāo)空間的$\sigma$值為，200

import cv2 img = cv2.imread("longmen.jpg") # 雙邊濾波，選取范圍直徑為15，顏色范圍為125 dst = cv2.bilateralFilter(img, 15, 125, 200) cv2.imshow("bilateral", dst) cv2.waitKey() cv2.destroyAllWindows()

雙邊濾波效果如下：
?????
可以看出，相比以上濾波效果，雙邊濾波保留了較清晰的圖像邊緣信息。

---

本次分享就到這里。小啾感謝您的關(guān)注與支持！更多精彩內(nèi)容敬請期待！
🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??🌹??

🌹??本系列blog傳送門：
?
?OpenCV圖像處理基本操作 【Python-Open_CV系列（一）】
?
?OpenCV像素處理基本操作 【Python-Open_CV系列（二）】
?
?OpenCV之 BGR、GRAY、HSV色彩空間&色彩通道專題 【Python-Open_CV系列（三）】
?
?OpenCV繪制圖像與文字(可作為腳手架代碼)(python) 【Python-Open_CV系列（四）】
?
?OpenCV圖像幾何變換專題(縮放、翻轉(zhuǎn)、仿射變換及透視)【python-Open_CV系列（五）】
?
?基于梵·高《向日葵》的 圖像閾值處理專題（二值處理、反二值處理、截?cái)嗵幚?、自適應(yīng)處理及Otsu方法）【Python-Open_CV系列（六）】
?
?OpenCV基本功 之 圖像的掩模、運(yùn)算 & 合并專題 -小啾帶學(xué)【Python-Open_CV系列（七）】
?
?《三英戰(zhàn)呂布》 - 圖像模板匹配 【Python-Open_CV系列（八）】
?
?OpenCV濾波器 龍門石窟篇【Python-Open_CV系列（九）】(均值濾波器、中值濾波器、高斯濾波器、雙邊濾波器)
?
?Open_CV形態(tài)學(xué)運(yùn)算專題 （腐蝕&膨脹、開&閉運(yùn)算、梯度運(yùn)算、頂帽運(yùn)算黑帽運(yùn)算 ）【Python-Open_CV系列（十）】
?
?霍夫變換看不懂？小啾帶你串一遍：OpenCV圖形檢測專題 這樣學(xué)最簡單【Python-Open_CV系列（十一）】
?
?小啾帶你開天眼 之 開啟py-OpenCV攝像頭及視頻處理【Python-Open_CV系列（十二）】
?
?小啾帶你開天眼 之 人臉檢測與識別(以及華強(qiáng)、皇叔、高祖配墨鏡特效)【Python-Open_CV系列（十三）】

總結(jié)

以上是生活随笔為你收集整理的OpenCV滤波器 龙门石窟篇【Python-Open_CV系列（九）】(均值滤波器、中值滤波器、高斯滤波器、双边滤波器)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。