网站风格总结,坪山网站建设哪家效益快,做网站大概要多,网站快照怎么更新文章目录 图像平滑均值滤波高斯滤波中值滤波双边滤波(Bilateral Filtering ) PythonC 图像线性平滑空间滤波#xff08;加权均值滤波器#xff0c;几何均值滤波#xff0c;谐波均值滤波#xff0c;逆谐波均值滤波#xff09;#xff0c;非线性平滑空间滤波#xff08;中… 文章目录 图像平滑均值滤波高斯滤波中值滤波双边滤波(Bilateral Filtering ) PythonC 图像线性平滑空间滤波加权均值滤波器几何均值滤波谐波均值滤波逆谐波均值滤波非线性平滑空间滤波中值滤波最大值滤波最小值滤波MATLAB自写函数实现
图像平滑
图像平滑又称图像模糊是一种简单而常用的图像处理操作常用于图像去噪。
为了进行平滑操作我们将对图像使用滤波。最常见的滤波器是线性的其输出的像素值(即 g ( i , j ) ) g(i,j)) g(i,j))为输入像素值(即 f ( i k , j l ) f(ik,jl) f(ik,jl))的加权和可以将滤波操作用卷积操作表示 h ( k , l ) h (k,l) h(k,l)叫做核(kernel)。
下面简单介绍OpenCV中常用的滤波方法包括均值滤波、高斯滤波中值滤波和双边滤波。
均值滤波
均值滤波的核为
输出的每个像素是它的核覆盖的所有像素的平均值。
OpenCV提供了函数cv.blur()或cv.boxFilter()实现均值滤波。cv.blur()的主要参数有
src输入图像;它可以有任意数量的通道但类型应该是CV_8U, CV_16U, CV_16S, CV_32F或CV_64F。dst与src大小和类型相同的输出图像。ksize核的大小。anchor表示锚点计算的像素相对于整个核邻域的位置。如果为负值则核的中心被视为锚点。默认值Point(-1-1)borderType在图像边界补充像素防止核的某些元素位于图像之外有以下补充类型(BORDER_WRAP除外默认为BORDER_DEFAULT )。等价于
boxFilter(src, dst, src.type(), ksize, anchor, true, borderType)高斯滤波
二维高斯函数可以表示: 其中 μ μ μ为均值(峰值) σ 2 σ^2 σ2为方差。
根据高斯函数得到的核示例
3x35x5 1 16 [ 1 2 1 2 4 2 1 2 1 ] \frac{1}{16}\left[\begin{array}{lll}1 2 1 \\2 4 2 \\1 2 1\end{array}\right] 161 121242121 1 159 × [ 2 4 5 4 2 4 9 12 9 4 5 12 15 12 5 4 9 12 9 4 2 4 5 4 2 ] \frac{1}{159} \times\left[\begin{array}{ccccc}2 4 5 4 2 \\4 9 12 9 4 \\5 12 15 12 5 \\4 9 12 9 4 \\2 4 5 4 2\end{array}\right] 1591× 245424912945121512549129424542
高斯滤波是线性的通过高斯核与输入图像的卷积进行计算在OpenCV中可以通过函数cv.GaussianBlur()实现。
主要参数有
src源图像dst目标图像ksize需要两个参数分别表示高和宽。w和h必须是奇数和正数否则将使用sigmaX和sigmaY按照OpenCV内置的函数计算。sigmaX表示 x x x中的标准差如果值为0则按照OpenCV内置的函数由核大小计算 σ x σ_x σx。sigmaY表示 y y y的标准差。写入0表示 σ y σ_y σy由核大小计算。borderType与均值滤波相同。
中值滤波
中值滤波器遍历图像的每个元素并将每个像素替换为核区域内所有像素的中值。 中值滤波通过函数cv.medianBlur()完成的。主要参数有
src源图像dst目标图像必须与src类型相同ksize核的大小。因为我们使用的是方形窗口所以只有一个参数。另外还必须是奇数。
双边滤波(Bilateral Filtering )
高斯滤波它在滤除图像中噪声信号的同时也会对图像中的边缘信息进行平滑。 双边滤波则可以缓解这个问题。
原理推荐阅读https://blog.csdn.net/u013921430/article/details/84532068
使用cv.bilateralFilter()实现双边滤波参数有
src源图像dst目标图像d每个像素邻域的直径。sigmaColor颜色空间的标准差。sigmaSpace坐标空间的标准差。d0时d与sigmaSpace成正比。borderType 与均值滤波相同
Python
import sys
import cv2 as cv
import numpy as np# Global Variables
DELAY_CAPTION 1500
DELAY_BLUR 100
MAX_KERNEL_LENGTH 31
src None
dst None
window_name Smoothing Demodef main(argv):cv.namedWindow(window_name, cv.WINDOW_AUTOSIZE)# Load the source imageimageName argv[0] if len(argv) 0 else lena.jpgglobal srcsrc cv.imread(cv.samples.findFile(imageName))if src is None:print(Error opening image)print(Usage: smoothing.py [image_name -- default ../data/lena.jpg] \n)return -1if display_caption(Original Image) ! 0:return 0global dstdst np.copy(src)if display_dst(DELAY_CAPTION) ! 0:return 0# 均值滤波if display_caption(Homogeneous Blur) ! 0:return 0for i in range(1, MAX_KERNEL_LENGTH, 2):dst cv.blur(src, (i, i))if display_dst(DELAY_BLUR) ! 0:return 0# 高斯滤波if display_caption(Gaussian Blur) ! 0:return 0for i in range(1, MAX_KERNEL_LENGTH, 2):dst cv.GaussianBlur(src, (i, i), 0)if display_dst(DELAY_BLUR) ! 0:return 0# 中值滤波if display_caption(Median Blur) ! 0:return 0for i in range(1, MAX_KERNEL_LENGTH, 2):dst cv.medianBlur(src, i)if display_dst(DELAY_BLUR) ! 0:return 0# 双边滤波if display_caption(Bilateral Blur) ! 0:return 0for i in range(1, MAX_KERNEL_LENGTH, 2):dst cv.bilateralFilter(src, i, i * 2, i / 2)if display_dst(DELAY_BLUR) ! 0:return 0# Donedisplay_caption(Done!)return 0def display_caption(caption):global dstdst np.zeros(src.shape, src.dtype)rows, cols, _ch src.shapecv.putText(dst, caption,(int(cols / 4), int(rows / 2)),cv.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255))return display_dst(DELAY_CAPTION)def display_dst(delay):cv.imshow(window_name, dst)c cv.waitKey(delay)if c 0: return -1return 0if __name__ __main__:main(sys.argv[1:])
C
#include iostream
#include opencv2/imgproc.hpp
#include opencv2/imgcodecs.hpp
#include opencv2/highgui.hpp
using namespace std;
using namespace cv;
int DELAY_CAPTION 1500;
int DELAY_BLUR 100;
int MAX_KERNEL_LENGTH 31;
Mat src; Mat dst;
char window_name[] Smoothing Demo;
int display_caption( const char* caption );
int display_dst( int delay );
int main( int argc, char ** argv )
{namedWindow( window_name, WINDOW_AUTOSIZE );const char* filename argc 2 ? argv[1] : lena.jpg;src imread( samples::findFile( filename ), IMREAD_COLOR );if (src.empty()){printf( Error opening image\n);printf( Usage:\n %s [image_name-- default lena.jpg] \n, argv[0]);return EXIT_FAILURE;}if( display_caption( Original Image ) ! 0 ){return 0;}dst src.clone();if( display_dst( DELAY_CAPTION ) ! 0 ){return 0;}if( display_caption( Homogeneous Blur ) ! 0 ){return 0;}for ( int i 1; i MAX_KERNEL_LENGTH; i i 2 ){blur( src, dst, Size( i, i ), Point(-1,-1) );if( display_dst( DELAY_BLUR ) ! 0 ){return 0;}}if( display_caption( Gaussian Blur ) ! 0 ){return 0;}for ( int i 1; i MAX_KERNEL_LENGTH; i i 2 ){GaussianBlur( src, dst, Size( i, i ), 0, 0 );if( display_dst( DELAY_BLUR ) ! 0 ){return 0;}}if( display_caption( Median Blur ) ! 0 ){return 0;}for ( int i 1; i MAX_KERNEL_LENGTH; i i 2 ){medianBlur ( src, dst, i );if( display_dst( DELAY_BLUR ) ! 0 ){return 0;}}if( display_caption( Bilateral Blur ) ! 0 ){return 0;}for ( int i 1; i MAX_KERNEL_LENGTH; i i 2 ){bilateralFilter ( src, dst, i, i*2, i/2 );if( display_dst( DELAY_BLUR ) ! 0 ){return 0;}}display_caption( Done! );return 0;
}
int display_caption( const char* caption )
{dst Mat::zeros( src.size(), src.type() );putText( dst, caption,Point( src.cols/4, src.rows/2),FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255) );return display_dst(DELAY_CAPTION);
}
int display_dst( int delay )
{imshow( window_name, dst );int c waitKey ( delay );if( c 0 ) { return -1; }return 0;
}原始图像 均值滤波核大小递增135…31 高斯滤波 中值滤波 双边滤波
