OpenCV模糊(图像平滑) _图像模糊

本文概述

模糊的优势
OpenCV平均
OpenCV中值??模糊
OpenCV高斯模糊

模糊是用于图像处理以消除噪声的常用技术。通常用于消除高频成分, 例如图像中的噪点, 边缘。当我们对图像应用模糊处理时, 边缘将变得模糊。模糊的优点如下：
模糊的优势模糊的好处如下：

它消除了低强度的边缘。
它有助于使图像平滑。
隐藏细节是有益的。例如, 在很多情况下都需要模糊处理, 例如警察故意要隐藏受害者的脸。

OpenCV主要提供以下类型的模糊技术。
OpenCV平均 【OpenCV模糊(图像平滑)】在这种技术中, 图像通过盒式滤波器进行卷积(归一化)。它计算内核区域下所有像素的平均值, 并用计算出的平均值替换中心元素。 OpenCV提供cv2.blur()或cv2.boxFilter()来执行此操作。我们应该定义内核的宽度和高度。以下是cv2.blur()函数的语法。

cv2.blur(src, dst, ksize, anchor, borderType)

参数：
src-表示源(输入)图像。
dst-代表目标(输出)图像。
ksize-代表内核的大小。
锚点-表示锚点。
borderType-表示要用于输出的边框类型。
考虑以下示例：

im = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg') cv2.imshow('Original Image', im) cv2.imshow('Blurred Image', cv2.blur(im, (3, 3))) cv2.waitKey(0) cv2.destroyAllWindows()

输出

文章图片
OpenCV中值??模糊中值模糊运算与高斯模糊非常相似。 OpenCV提供了meanblur()函数来执行模糊操作。它采用内核区域下所有像素的中值, 并且中心元素被该中值替换。对于图像中的盐纸干扰非常有效。内核大小应为正整数。以下是此方法的语法。

cv2.medianBlur(src, dst, ksize)

参数：
src-表示源(输入图像)。
dst-代表目的地(输出图像)。
ksize-代表内核的大小。
考虑以下示例：

import cv2 import numpy # read image img = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg', 1) # apply gaussian blur on src image dst = median = cv2.medianBlur(img, 5) # display input and output image cv2.imshow("Gaussian Smoothing", numpy.hstack((src, dst))) cv2.waitKey(0)# waits until a key is pressed cv2.destroyAllWindows()# destroys the window showing image

输出

文章图片
OpenCV高斯模糊图像平滑是一种有助于减少图像噪声的技术。由于相机传感器的影响, 图像可能包含各种类型的噪点。它基本上消除了图像中的高频(噪声, 边缘)内容, 因此在此操作中边缘略微模糊。 OpenCV提供gaussianblur()函数以对图像进行平滑处理。语法如下：

dst=cv2.GuassiasBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType=BORDER_DEFAULT]]]

参数：

src-用于输入图像。
dst-它是存储输出图像的变量。
ksize-它定义了高斯核的大小[height width]。高度和宽度必须为奇数(1, 3, 5, ..), 并且可以具有不同的值。如果ksize设置为[0, 0], 则从sigma值计算ksize。
sigmaX-沿X轴(水平方向)的内核标准推导。
sigmaY-沿Y轴(垂直方向)的内核标准推导。如果sigmaY = 0, 则将sigmaX值用于sigmaY。

borderType-这些是在内核应用于图像边界时指定的图像边界。可能的边框类型是：

cv.BORDER_CONSTANT
cv.BORDER_REPLICATE
cv.BORDER_REFLECT
cv.BORDER_WRAP
cv.BORDER_REFLECT_101
cv.BORDER_TRANSPARENT
cv.BORDER_REFLECT101
cv.BORDER_DEFAULT
cv.BORDER_ISOLATED

考虑以下示例：

import cv2 import numpy# read image src = http://www.srcmini.com/cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg', 1) # apply gaussian blur on src image dst = cv2.GaussianBlur(src, (5, 5), cv2.BORDER_DEFAULT)# display input and output image cv2.imshow("Gaussian Smoothing", numpy.hstack((src, dst))) cv2.waitKey(0)# waits until a key is pressed cv2.destroyAllWindows()# destroys the window showing image

输出