赞
踩
import cv2 import numpy as np """ 滤波器--用于图像处理的重要工具,它们可以根据图像中像素的邻域信息来修改像素值,以实现去噪、模糊、锐化、边缘检测等效果。 低通滤波器(Low-pass Filter): 定义:允许低频信号通过,但减弱(或阻止)高频信号的滤波器。 原理:在频率域中,低通滤波器会移除高于某个截止频率(cut-off frequency)的所有频率分量。 高通滤波器(High-pass Filter): 定义:允许高频信号通过,但减弱(或阻止)低频信号的滤波器。 原理:在频率域中,高通滤波器会移除低于某个截止频率的所有频率分量。 """ """ 低通滤波器 平滑图像,去除图像中的高频噪声和细节 """ """ 卷积操作 """ img = cv2.imread('/img/cat.jpeg') # 卷积核 必须是奇数,而且是float型 / 25相当于取了一个平均 # 根据卷积核的不同,可以进行锐化、轮廓等操作 kernel = np.ones((5, 5), np.float32) / 25 # 卷积操作 -1位深 表示和原图一样 dst = cv2.filter2D(img, -1, kernel) cv2.imshow('img', img) """ 方盒滤波和均值滤波 作用:通过求取像素周围领域像素的平均值来平滑(使图像亮度平缓渐变,减小突变梯度,从而改善图像质量)图像 特点:算法简单,计算速度较快。然而,在去除噪声的同时,也会去除很多细节部分,导致图像变得模糊。 """ # 方盒滤波 # 只需要设置卷积核大小 normalize=True(卷积核的系数a = 1/(W*H))等价于均值滤波, false时为a = 1 dst1 = cv2.boxFilter(img, -1, (5, 5), normalize=True) # 均值滤波 # 没有位深 dst2 = cv2.blur(img, (5, 5)) """ 高斯波滤器 作用:通过高斯函数对像素邻域内的像素值进行加权平均,得到新的像素值。越在中间,比重占的越大。 特点:比均值滤波更平滑,边界保留更加好。能够有效地去除噪声,并保留图像中的细节部分。 """ # (5, 5)卷积核的大小 X轴的标准差sigmaX, 越大平滑(模糊)越明显 dst3 = cv2.GaussianBlur(img, (5, 5), sigmaX=10) """ 中值滤波 作用:对像素邻域内的像素值进行排序,取中值作为该像素的新值。 特点:在边界保存方面好于均值滤波,特别适用于去除椒盐噪声。但在模板变大时,可能会存在一些边界的模糊。 """ # 5卷积核的大小,这里要求是整数 dst4 = cv2.medianBlur(img, 5) """ 双边滤波器--美颜 作用:考虑像素的空间邻近度和像素值相似度的一种折中处理,同时达到保边去噪的目的。 特点:是一种非线性滤波,保留较多的高频信息,对低频滤波效果较好,但不能去除脉冲噪声。 """ # 7 卷积核的大小 # sigmaColor 如果是黑白图片则为灰度距离,若是彩色图片则为颜色,sigmaSpace 空间距离,这两个值要根据实际情况调整 dst5 = cv2.bilateralFilter(img, 7, sigmaColor=20, sigmaSpace=50) cv2.waitKey(0) cv2.destroyAllWindows()
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。