其實我們平時在深度學習中所說的卷積操作，在 opencv 中也可以進行，或者說是類似操作，那么它是什么操作呢？它就是影像的模糊（濾波）處理，
均值濾波
使用 opencv 中的cv2.blur(src, ksize)函式，其引數說明是：
src: 原影像ksize: 模糊核大小
原理：它只取內核區域下所有像素的平均值并替換中心元素，3x3 標準化的盒式過濾器如下所示：
- 特征：核中區域貢獻率相同，
- 作用：對于椒鹽噪聲的濾除效果比較好，
# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv
def image_blur(image_path: str):
"""
影像卷積操作：設定卷積核大小，步距
:param image_path:
:return:
"""
img = cv.imread(image_path, cv.IMREAD_COLOR)
cv.imshow('input', img)
# 模糊操作（類似卷積），第二個引數ksize是設定模糊內核大小
result = cv.blur(img, (5, 5))
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
path = 'images/2.png'
image_blur(path)
結果展示：
高斯濾波
高斯濾波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函式，
說明：sigmaX,sigmaY分別表示 X,Y 方向的標準偏差，如果僅指定了sigmaX，則sigmaY與sigmaX相同；如果兩者都為零，則根據內核大小計算它們，
-
特征：核中區域貢獻率與距離區域中心成正比，權重與高斯分布相關，
-
作用：高斯模糊在從影像中去除高斯噪聲方面非常有效，
def image_conv(image_path: str):
"""
高斯模糊
:param image_path:
:return:
"""
img = cv.imread(image_path, cv.IMREAD_COLOR)
cv.imshow('img', img)
# 高斯卷積（高斯濾波）， 可以設定ksize，必須為奇數，不為0時，后面的步驟不起作用；也可以設定成（0，0），然后通過sigmaX和sigmaY計算標準偏差
result = cv.GaussianBlur(img, (0, 0), 15)
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
path = 'images/2.png'
image_conv(path)
結果展示：
高斯雙邊濾波
雙邊濾波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函式，
說明：d為鄰域直徑，sigmaColor為空間高斯函式標準差，引數越大，臨近像素將會在越遠的地方越小，
sigmaSpace灰度值相似性高斯函式標準差，引數越大，那些顏色足夠相近的的顏色的影響越大，
雙邊濾波是一種非線性的濾波方法，是結合影像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空間與資訊和灰度相似性，達到保邊去噪的目的，具有簡單、非迭代、區域處理的特點，之所以能夠達到保邊去噪的濾波效果是因為濾波器由兩個函式構成：一個函式是由幾何空間距離決定濾波器系數，另一個是由像素差值決定濾波器系數，
- 特征：處理耗時，
- 作用：在濾波的同時能保證一定的邊緣資訊，
# 邊緣保留濾波器——高斯雙邊模糊
def image_bifilter(image_path: str):
"""
高斯雙邊模糊
:param image_path: 圖片檔案
:return: 無回傳值
"""
img = cv.imread(image_path, cv.IMREAD_COLOR)
cv.imshow('input', img)
# 第三個引數是設定色彩、第四個引數是設定影像坐標
result = cv.bilateralFilter(img, 0, 50, 10)
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
path = 'images/2.png'
image_bifilter(path)
結果展示：
獲取更多計算機視覺內容，請關注微信公眾號 ”AI 與計算機視覺“，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/330093.html
標籤：AI