opencv-学习笔记(4)-模糊

　　　　　　　　　　　　　　　　　　　　　　　　　　　　opencv-学习笔记(4)-模糊

---

本章要点：

4种模糊方式

---

2d卷积

Cv2.filter2D(‘图像对象’，‘目标图像这里直接设为-1即可’，kernal，anchor(-1,-1))

一般后一个参数略去就行

Kernal的定义用nump.ones((5,5),np.float)/25  这里可以自己调节

import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('new.jpg')

kernal=np.ones((8,8),np.float32)/64

dst=cv2.filter2D(img,-1,kernal)

plt.subplot(121),plt.imshow(img),plt.title('ORignial')
plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(dst),plt.title('Averaging')
plt.xticks([]),plt.yticks([])
plt.show()

---

opencv提供了四种模糊方式

第一种

首先是最基础的归一化卷积

效果和filter2D一样

Newimg=Cv2.blur(‘图像对象’,(5,5))建议用这个代替上面的filter2D

第二种中心化

把卷积核变成高斯核

我们可以用cv2.getGaussianKernel()构建一个高斯核

也可以直接

#后面分别是高斯核大学和标准差

Blur=cv2.GaussianBlur(img,(5,5),0)

第三种是中值模糊

中值模糊用来除去椒盐噪声。

用中心像素周围或者本身来取代。能有效去除噪声，要求卷积核为奇数

cv.medianBlur(img,5)

第四种是双边滤波

Cv2.bilateralFilter()能保持边界清晰的情况去除噪声，不过速度比较慢，

双边滤波用了空间高斯权重和灰度值相似性高斯权重，空间高斯确保只有领近的像素对中心点有影响，灰度值相似性高斯确保只有中心与邻近相似时候才会做模糊运算

Cv2.bilateralFilter(图像对象,为领域直接，空间高斯函数标准差，灰度值相似性高斯函数标准差)