图像平滑-OpenCV

图像平滑-OpenCV 平均化：

blur = cv.blur(img,(9,9))

直接采用9×9的核进行卷积，得到平均值作为当前点的值。

import cv2.cv2
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img = cv2.imread(r'XXXX.jpg')
img = cv2.resize(img, (0, 0), fx=0.1, fy=0.1, interpolation=cv2.INTER_NEAREST)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
rows = img.shape[0]
cols = img.shape[1]

dst = cv2.blur(img,(9,9))
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(dst),plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()

 高斯模糊：

blur = cv.GaussianBlur(img,(9,9),0)

 最后一个参数为制定的X,Y方向的标准偏差，若只要一个参数则认定两者相同。

import cv2.cv2
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img = cv2.imread(r'XXXX')
img = cv2.resize(img, (0, 0), fx=0.1, fy=0.1, interpolation=cv2.INTER_NEAREST)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
rows = img.shape[0]
cols = img.shape[1]


dst = cv.GaussianBlur(img,(9,9),0)

plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(dst),plt.title('GaussianBlur')
plt.xticks([]), plt.yticks([])
plt.show()

 

 中位数滤波：

median = cv.medianBlur(img,5)

具体实现方法：

图像中值滤波器python实现_独憩的博客-CSDN博客

双边滤波：

在滤波的同时能保持边缘的清晰度：

blur = cv.bilateralFilter(img,9,75,75)

第二个参数为（过滤期间使用的各像素邻域的直径）

第三个参数为sigmaColor,（色彩空间的sigma参数，该参数较大时，各像素邻域内相距较远的颜色会被混合到一起，从而造成更大范围的半相等颜色）

第四个参数为sigmaSpace,（坐标空间的sigma参数，该参数较大时，只要颜色相近，越远的像素会相互影响）