主要讲解Python调用OpenCV实现图像平滑,包括四个算法:均值滤波、方框滤波、高斯滤波和中值滤波.
给图像增加噪声:
import cv2 import numpy as np def test10(): img = cv2.imread("result.jpg", cv2.IMREAD_UNCHANGED) rows, cols, chn = img.shape # 加噪声 for i in range(5000): x = np.random.randint(0, rows) y = np.random.randint(0, cols) img[x, y, :] = 255 cv2.imshow("demo", img) if cv2.waitKey(0) == 27: cv2.destroyWindow("demo") test10()
效果如下:
均值滤波: 均值滤波是指任意一点的像素值,都是周围N*M个像素值的均值, result = cv2.blur(图像, 核大小),其中核大小是以(宽度, 高度)表示的元组形式,常见的形式包括: (3, 3)和(5, 5)
代码如下:
import matplotlib.pyplot as plt import cv2 def test11(): img = cv2.imread("result.jpg") source = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA) # 均值滤波 result = cv2.blur(source, (5, 5)) # 显示图像 title = ["demo1", "demo2"] imgs = [source, result] for i in range(2): plt.subplot(1, 2, i+1) plt.imshow(imgs[i], "gray") plt.title(title[i]) plt.xticks([]) plt.yticks([]) plt.show() test11()
效果如下:
将核值调大会让图像变模糊,例如设置为(20, 20),效果如下:如果设置为(1, 1)处理的结果就是原图,核中每个权重值相同,称为均值。
方框滤波
方框滤波和均值滤波核基本一致,区别是需不需要均一化处理。OpenCV调用boxFilter()函数实现方框滤波。函数如下:
result = cv2.boxFilter(原始图像, 目标图像深度, 核大小, normalize属性) 其中,目标图像深度是int类型,通常用“-1”表示与原始图像一致;核大小主要包括(3,3)和(5,5);normalize属性表示是否对目标图像进行归一化处理。当normalize为true时需要执行均值化处理,当normalize为false时,不进行均值化处理,实际上为求周围各像素的和,很容易发生溢出,溢出时均为白色,对应像素值为255。
代码如下:
import cv2 import matplotlib.pyplot as plt def test12(): img = cv2.imread("result.jpg") source = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA) # 方框滤波 result = cv2.boxFilter(source, -2, (5, 5), normalize=1) # 显示图像 title = ["demo1", "demo2"] imgs = [source, result] for i in range(2): plt.subplot(1, 2, i+1), plt.imshow(imgs[i], "gray") plt.title(title[i]) plt.xticks([]) plt.yticks([]) plt.show() test12()
效果如下:
如果省略参数normalize,则默认是进行归一化处理。如果normalize=0则不进行归一化处理,像素值为周围像素之和,图像更多为白色。
效果如下:
上图很多像素为白色,因为图像求和结果几乎都是255。如果设置的是2*2矩阵,只取四个像素结果要好些。 result = cv2.boxFilter(source, -1, (2,2), normalize=0)
高斯滤波: 高斯滤波让临近的像素具有更高的重要度,对周围像素计算加权平均值,较近的像素具有较大的权重值。dst = cv2.GaussianBlur(src, ksize, sigmaX) 其中,src表示原始图像,ksize表示核大小,sigmaX表示X方向方差。注意,核大小(N, N)必须是奇数,X方向方差主要控制权重
代码如下:
import cv2 import matplotlib.pyplot as plt def test12(): img = cv2.imread("result.jpg") source = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA) # 高斯滤波 result = cv2.GaussianBlur(source, (3, 3), 0) # 显示图像 title = ["demo1", "demo2"] imgs = [source, result] for i in range(2): plt.subplot(1, 2, i+1), plt.imshow(imgs[i], "gray") plt.title(title[i]) plt.xticks([]) plt.yticks([]) plt.show() test12()
效果如下:
核数增加,图像会变模糊,例如设置为(17, 17)
中值滤波: 在使用邻域平均法去噪的同时也使得边界变得模糊。而中值滤波是非线性的图像处理方法,在去噪的同时可以兼顾到边界信息的保留。选一个含有奇数点的窗口W,将这个窗口在图像上扫描,把窗口中所含的像素点按灰度级的升或降序排列,取位于中间的灰度值来代替该点的灰度值.
OpenCV主要调用medianBlur()函数实现中值滤波,图像平滑里中值滤波的效果最好。
dst = cv2.medianBlur(src, ksize)
其中,src表示源文件,ksize表示核大小。核必须是大于1的奇数,如3、5、7等
代码如下:
import cv2 def test13(): img = cv2.imread("result.jpg") # 高斯滤波 result = cv2.medianBlur(img, 5) cv2.imshow("demo1", img) cv2.imshow("demo2", result) if cv2.waitKey(0) == 27: cv2.destroyWindow("demo1") cv2.destroyWindow("demo2") test13()
效果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]