OpenCV教程-OpenCV模糊（图像平滑）

整理：python技术迷

模糊是图像处理中常用的技术，用于去除噪音。通常用于消除图像中的高频内容，如噪音和边缘。当我们对图像应用模糊时，边缘会变得模糊。模糊的优点如下：

模糊的优点

模糊的好处如下：

• 它去除低强度的边缘。

• 它有助于平滑图像。

• 在隐藏细节方面很有用；例如，在许多情况下需要模糊，比如警察故意要隐藏受害者的面孔。

OpenCV主要提供以下类型的模糊技术。

OpenCV均值模糊

在这种技术中，图像与一个框滤波器（归一化）进行卷积。它计算在核区域下所有像素的平均值，并用计算得到的平均值替换中心元素。OpenCV提供cv2.blur()或cv2.boxFilter()来执行此操作。我们应该定义核的宽度和高度。cv2.blur()函数的语法如下。

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

参数:

src - 它表示源（输入）图像。

dst - 它表示目标（输出）图像。

ksize - 它表示核的大小。

anchor - 它表示锚点。

borderType - 它表示要用于输出的边界类型。

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

专属福利 
👉点击领取：最全Python资料合集

OpenCV中值模糊

cv2.medianBlur(src, dst, ksize)
参数:

src - 它表示源（输入）图像。

dst - 它表示目标（输出）图像。

ksize - 它表示核的大小。

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

OpenCV高斯模糊

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

参数:

• src - 用于输入图像。

• dst - 用于存储输出图像的变量。

• ksize - 定义高斯核大小[height width]。高度和宽度必须是奇数（1,3,5,...），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轴的核标准偏差。（水平方向）。

• sigmaY - 沿Y轴的核标准偏差（垂直方向）。如果sigmaY = 0，则取sigmaX值作为sigmaY的值。

borderType - 这些是在对图像边界应用核时指定的图像边界。可能的边界类型是：

• 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

import cv2    import numpy    # read image    src = 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:

 1

热门推荐

• 为什么B站的弹幕可以不挡人物
• OpenCV教程-OpenCV Canny边缘检测
• 领导让加班，可女朋友说一个人在家寂寞。。。