【OpenCV】 ⚠️高手勿入! 半小時學會基本操作 ⚠️ 高斯雙邊
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. 今天帶大家用 OpenCV 來實現一個簡單的磨皮.
邊緣保留濾波 (EPF)
邊緣保留濾波 (Edge Preserving Filter) 是圖像處理的一種技術. 有別與傳統濾波, EPF 會對差別較大的像素區域進行區分, 在保持邊緣銳利的同時消除噪聲或紋理.
高斯雙邊
雙邊濾波 (Bilateral Filter) 即高斯濾波. 濾波器由兩個函數構成. 一個函數是由集合空間距離決定濾波器系數. 另一個是由像素差值決定濾波系數.
格式:
cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
參數:
- src: 輸入圖像
- d: 相鄰像素的直徑
- sigmaColor: 顏色空間過濾
- sigmaSpace: 坐標空間過濾
例子:
import numpy as np
import cv2
# 讀取圖片
image = cv2.imread("face.jpg")
# 高斯二邊
dest = cv2.bilateralFilter(image, 0, 100, 15)
# 圖片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 保存結果
cv2.imwrite("bilateral.jpg", combine)
輸出結果:
高斯模糊 vs 高斯雙邊:
均值遷移
均值遷移 (Mean-Shift Blur) 會計算得到像素均值與空間位置均值, 使用新的均值作為窗口中心位置.
格式:
cv2.pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None)
參數:
- src: 輸入圖像
- sp: 空間窗口半徑
- sr: 顏色窗口半徑
- maxLevel: 分割金字塔的最大級別
- termcrit: 終止條件, 默認為 None
例子:
import numpy as np
import cv2
# 讀取圖片
image = cv2.imread("face.jpg")
# 均值遷移
dest = cv2.pyrMeanShiftFiltering(image, 10, 50)
# 圖片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 圖片保存
cv2.imwrite("mean_shift.jpg", combine)
輸出結果:
到此這篇關于OpenCV半小時掌握基本操作之高斯雙邊的文章就介紹到這了,更多相關OpenCV高斯雙邊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半小時掌握基本操作之分水嶺算法
- OpenCV半小時掌握基本操作之傅里葉變換
- 利用Opencv中Houghline方法實現直線檢測
- python opencv實現直線檢測并測出傾斜角度(附源碼+注釋)
- Python+OpenCV圖像處理——實現直線檢測
- OpenCV半小時掌握基本操作之直線檢測
