OpenCV教程-OpenCV图像滤波器
P
点击关注 👉约 3 分钟
点击关注 👉约 3 分钟整理：python技术迷
图像滤波是通过改变图像的像素的色调或颜色来修改图像的过程。它也用于增加亮度和对比度。在本教程中，我们将学习有关几种类型的滤波器。
双边滤波器
OpenCV提供bilateralFilter()函数来在图像上应用双边滤波器。双边滤波器可以很好地减少不需要的噪声，同时保持边缘清晰。该函数的语法如下：
cv2.bilateralFilter(src, dst, d, sigmaSpace, borderType)
参数:
src- 表示图像的源。它可以是8位或浮点，1通道图像。
dst- 表示相同大小的目标图像。其类型将与src图像相同。
d - 表示在过滤期间使用的像素邻域（整数类型）的直径。如果其值为负，则从sigmaSpace计算它。
sigmaColor - 表示颜色空间中的滤波器sigma。
sigmaSpace - 表示坐标空间中的滤波器sigma。
import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(r'C:\Users\DEVANSH SHARMA\baloon.jpg',1)kernel = np.ones((5,5),np.float32)/25blur = cv2.bilateralFilter(img,9,75,75)plt.subplot(121),plt.imshow(img),plt.title('Original')plt.xticks([]), plt.yticks([])plt.subplot(122),plt.imshow(blur),plt.title('Bilateral Filter')plt.xticks([]), plt.yticks([])cv2.imshow("Image",blur)
输出
👉点击领取：最全Python资料合集
方框滤波器
cv2. boxfilter(src, dst, ddepth, ksize, anchor, normalize, bordertype)
参数:
src - 表示图像的源。它可以是8位或浮点，1通道图像。 dst- 表示相同大小的目标图像。其类型将与src图像相同。 ddepth - 表示输出图像深度。 ksize - 模糊的核大小。 anchor - 表示锚点。默认情况下，其值指向坐标（-1,1），这意味着锚点位于核心中心。 normalize - 它是一个标志，指定是否应该对核进行归一化。 borderType - 表示使用的边界类型的整数对象。
import cv2import numpy as np# using imread('path') and 0 denotes read as grayscale imageimg = cv2.imread(r'C:\Users\DEVANSH SHARMA\baloon.jpg',1)img_1 = cv2.boxFilter(img, 0, (7,7), img, (-1,-1), False, cv2.BORDER_DEFAULT)#This is using for display the imagecv2.imshow('Image',img_1)cv2.waitKey(3) # This is necessary to be required so that the image doesn't close immediately.#It will run continuously until the key press.cv2.destroyAllWindows()
输出
Filter2D
cv2.Filter2D(src, dst, kernel, anchor = (-1,-1))
参数:
src - 表示输入图像。
dst- 表示相同大小的目标图像。其类型将与src图像相同。
kernel - 卷积核，单通道浮点矩阵。如果要将不同的核应用于不同的通道，请使用split()将图像拆分为单独的颜色平面，并分别处理它们。
anchor - 表示锚点，其默认值为Point(-1,1)，这意味着锚点位于核心中心。
borderType - 表示使用的边界类型的整数对象。
import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(r'C:\Users\DEVANSH SHARMA\baloon.jpg',1)kernel = np.ones((5,5),np.float32)/25dst = cv2.filter2D(img,-1,kernel)plt.subplot(121),plt.imshow(img),plt.title('Original')plt.xticks([]), plt.yticks([])plt.subplot(122),plt.imshow(dst),plt.title('Filter2D')plt.xticks([]), plt.yticks([])plt.show()
输出
热门推荐