opencv_python学习笔记十三
16 图像平滑
通过低通滤波器对图像进行模糊
通过自定义滤波器对图像进行卷积
def filter2D(src, #输入图像
ddepth, #图像深度
kernel, #卷积核,单通道浮点矩阵
dst=None, #输出图像
anchor=None, #一个被滤波的点在核内的位置(中心)
delta=None,
borderType=None)#边界类型
def ones(shape, #数组的形状
dtype=None, #数组的数据类型
order='C'): #数组元素在内存中的排列方式,c表示c语言的
a =
empty(shape, dtype, order)
multiarray.copyto(a,
1,
casting='unsafe')
return
a
示例代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2016/11/17 10:54
# @Author : Retacn
# @Site :
图像平滑 卷积
# @File : imageFilter.py
# @Software: PyCharm
import
cv2
import
numpy
as
np
from
matplotlib
import
pyplot
as
plt
img=cv2.imread('test.jpg')
kernel=np.ones((5,5),#数组形状
np.float32)/25#数组的数据类型
#print(kernel)
dst=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('Averaging')
plt.xticks([]),plt.yticks([])
plt.show()
图像模糊(图像平滑)
使用低通滤波器可以实现图像模糊
1 平均
函数原型
def blur(src, #源图像
ksize, #内核大小
dst=None, #输出图像
anchor=None, #中心锚点
borderType=None)# 边界模式
2 高斯模糊
函数原型
def GaussianBlur(src, #输入图像
ksize, #高斯滤波模版大小
sigmaX, #横向滤波系数
dst=None, #输出图像
sigmaY=None,#纵向滤波系数
borderType=None)
3 中值模糊
def medianBlur(src, #源图像
ksize, #中值滤波器的模版的大小
dst=None)#输出图像
4 双边滤波
def bilateralFilter(src, #输入图像
d, #每个像素邻域的直径
sigmaColor, #颜色空间的标准偏差
sigmaSpace, #坐标空间的标准偏差
dst=None, #输出图像
borderType=None)#边缘点插值类型
示例代码如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2016/11/17 13:14
# @Author : Retacn
# @Site : 平均,对图像进行均值滤波
# @File : imageBlur.py
# @Software: PyCharm
import
cv2
import
numpy
as
np
from
matplotlib
import
pyplot
as
plt
#读入图像
img=cv2.imread("../test.jpg")
#均值滤波
#blur=cv2.blur(img,(5,5))
#高斯模糊
#blur=cv2.GaussianBlur(img,(5,5),0)
#中值模糊
#blur=cv2.medianBlur(img,5)
#双边滤波
blur=cv2.bilateralFilter(img,9,75,75)
#原图像
plt.subplot(121),plt.imshow(img),plt.title("Original")
plt.xticks([]),plt.yticks([])
#平均后
plt.subplot(122),plt.imshow(blur),plt.title('Blurred')
plt.xticks([]),plt.yticks([])
plt.show()
