【OpenCV】⚠️高手勿入! 半小時學會基本操作⚠️濾波器
概述
OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大家一起攜手走進 OpenCV 的世界. (第 9 課)
圖像平滑
圖像平滑 (image smoothing) 是一種區域增強算法. 可以幫助我們去除早點改善圖片質量.
濾波器 (Filter) 可以幫助我們來降低噪聲, 均值濾波器的主要應用是去除圖像中的不相關細節.
原圖:
均值濾波器
均值濾波器會計算區域像素的平均值, 然后進行填充.
代碼:
# 讀取圖片
img = cv2.imread("noise.jpg")
# 均值濾波器 (3 X 3)
blur = cv2.blur(img, (3, 3))
# 圖片展示
cv2.imshow("blur", blur)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
方框濾波
方框濾波器 (Box Filter) 和均值濾波器基本一樣.
格式:
cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None)
參數:
- src: 需要濾波的圖片
- ddepth: 輸入圖像的深度, -1 代表使用原圖深度
- Normalize: 標準化, 默認為 None
代碼:
# 讀取圖片
img = cv2.imread("noise.jpg")
# 方框濾波器 (3 X 3)
box = cv2.boxFilter(img, -1, (3, 3), normalize=True)
# 圖片展示
cv2.imshow("box", box)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
高斯濾波器
高斯濾波器 (Gauss Filter) 是一種線性平滑濾波, 適用于高斯噪聲.
高斯噪聲 (Gaussian Noise) 是概率密度函數服從高斯分布的一類噪聲.
格式:
cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)
參數:
src: 需要濾波的圖片
ksize: 卷積核大小
sigmaX: 高斯核函數在 X 方向的的標準偏差
sigmaY: 高斯核函數在 Y 方向的的標準偏差
代碼:
# 讀取圖片
img = cv2.imread("noise.jpg")
# 高斯濾波器 (3 X 3)
gaussian = cv2.GaussianBlur(img, (3, 3), 1)
# 圖片展示
cv2.imshow("gaussian", gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
中值濾波
中值濾波器 (Median Filter) 用中值填充.
代碼:
# 讀取圖片
img = cv2.imread("noise.jpg")
# 中值濾波器 (3 X 3)
median = cv2.medianBlur(img, 3)
# 圖片展示
cv2.imshow("median", median)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
到此這篇關于OpenCV半小時掌握基本操作之濾波器的文章就介紹到這了,更多相關OpenCV濾波器內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- opencv 圖像濾波(均值,方框,高斯,中值)
- OpenCV圖像處理之自定義濾波
- 使用OpenCV檢測圖像中的矩形
- OpenCV學習方框濾波實現圖像處理代碼示例
