前言：

圖像濾波是圖像處理和計算機視覺中最常用、最基本的操作。主要是去除圖像中的噪聲，因為圖像平滑處理過程中往往會使得圖像變的模糊，因此又叫模糊處理。

基本原理

• 圖像平滑的基本原理是，將噪聲所在像素點的像素值處理為其周圍臨近像素點的值的近似值。
• 圖像平滑處理的方法有很多，比如均值濾波，方框濾波，高斯濾波，中值濾波，雙邊濾波。

（這里就不講公式推導(dǎo)了）

1均值濾波

在進(jìn)行均值濾波的時候要考慮需要對周圍多少個像素去平均值，即確定核 的大小，通常情況下都是以當(dāng)前像素點為中心，讀行數(shù)和列數(shù)相等的一塊區(qū)域內(nèi)的所有像素點求平均。將計算得到的結(jié)果作為該點的像素。

原始圖像像素

當(dāng)前像素點為226的位置，我們對其周圍5x5區(qū)域內(nèi)像素點求平均計算方法為：

新值=（197+25+106+156+159+149+40+107+5+71+163+198+226+223+156+222+37+68+233+157+75+193+250+2+42）/25

計算得到的新值即為226像素點位置的新的像素。

其中均值濾波的核如下所示：

1.1函數(shù)語法

在OpenCV中，實現(xiàn)均值濾波的函數(shù)是cv2.blur(),語法格式如下：

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

• dst是返回值，表示進(jìn)行均值濾波后得到的結(jié)果
• src是需要處理的圖像，即原始圖像，圖像的深度有CV_8U,CV_16U,CV16S,CV32F,CV_64F.
• ksize是核 的大小，
• anchor是錨點，一般情況該值直接默認(rèn)即可
• borderType是邊界樣式，該值決定以何種方式處理邊界，一般情況下不需要考慮該值的取值，直接默認(rèn)即可。

因此函數(shù)cv2.blur()的一般形式為：

dst=cv2.blur(src,ksize)

接下來看一段程序：

import cv2 as cv
img=cv.imread(r'F:\AI\photo\test\lena.jpg')
blurImg=cv.blur(img,(5,5))
print('imgshape',img.shape)
print('blurImg',blurImg.shape)
cv.imshow('img',img)
cv.imshow('blurImg',blurImg)
cv.waitKey()
cv.destroyAllWindows()

 原始圖像：

均值濾波后的圖像 

2.高斯濾波

在均值濾波中，其鄰域內(nèi)每個像素的權(quán)重都是一樣的，在高斯濾波中，中心點的權(quán)重值加大，遠(yuǎn)離中心點的權(quán)重值減少，在此基礎(chǔ)上計算鄰域內(nèi)各個像素值不同權(quán)重的和。

高斯濾波卷積核示例

2.1函數(shù)語法

dst=cv2.GaussianBlur(src,ksize,sigmaX,sigmaY,borderType)

式中：

• dst為高斯濾波后得到的結(jié)果
• src是需要處理的圖像，
• ksize是濾波卷積核。需要注意的是濾波核 的值必須是奇數(shù)
• sigmaX是卷積在水平方向的標(biāo)準(zhǔn)差，或者X方向求導(dǎo)
• sigmaY是卷積在垂直方向的標(biāo)準(zhǔn)差，或者說Y方向上
• bordenType是邊界類型

因此高斯濾波的一般形式為：

dst=cv2.GaussianBlur(src,ksize,0,0)

程序演示：

import cv2 as cv
img=cv.imread(r'F:\AI\photo\test\lena.jpg')
GS_blurImg=cv.GaussianBlur(img,(5,5),1,1)
print('imgshape',img.shape)
print('blurImg',GS_blurImg.shape)
cv.imshow('img',img)
cv.imshow('GS_blurImg',GS_blurImg)
cv.waitKey()
cv.destroyAllWindows()

相比原始圖像，高斯濾波處理后的圖像模糊了一些，但是相對于均值濾波來說，要好一些，這是因為高斯濾波卷積核在中心點的權(quán)重更高。

3.中值濾波

中值濾波就是將當(dāng)前像素點及其鄰域內(nèi)的像素點排序后取中間值作為當(dāng)前值的像素點。

中值濾波的處理過程為：將226像素點周期的8個像素點一起排序即5,37,40,68,107,198，223,223，226，所以226像素點的新 的像素值為107.

3.1函數(shù)語法

dscv2.medianBlur(src,ksize)

其中需要注意的是ksize核的大小必須是比1大的奇數(shù)，比如3,5,7等

import cv2 as cv
img=cv.imread(r'F:\AI\photo\test\lena.jpg')
medianblurImg=cv.medianBlur(img,5)
cv.imshow('img',img)
cv.imshow('medianblurImg',medianblurImg)
cv.waitKey()
cv.destroyAllWindows()

在中值濾波處理中，噪聲成分很難被選中，所以可以在幾乎不影響原有圖像的情況下去除所有的噪聲，但是由于需要進(jìn)行排序等操作，中值濾波需要的運算較大。中值濾波對椒鹽噪聲去除效果較明顯，下次補充，還有雙邊濾波以及方框濾波后面補充。 

到此這篇關(guān)于python圖像平滑處理原理的文章就介紹到這了,更多相關(guān)python 圖像平滑處理內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論