OpenCV教程-OpenCV图像滤波器
图像滤波是通过改变图像的像素的色调或颜色来修改图像的过程。它也用于增加亮度和对比度。在本教程中,我们将学习有关几种类型的滤波器。
双边滤波器
OpenCV提供bilateralFilter()函数来在图像上应用双边滤波器。双边滤波器可以很好地减少不需要的噪声,同时保持边缘清晰。该函数的语法如下:
cv2.bilateralFilter(src, dst, d, sigmaSpace, borderType)
参数:
- src- 表示图像的源。它可以是8位或浮点,1通道图像。
- dst- 表示相同大小的目标图像。其类型将与src图像相同。
- d - 表示在过滤期间使用的像素邻域(整数类型)的直径。如果其值为负,则从sigmaSpace计算它。
- sigmaColor - 表示颜色空间中的滤波器sigma。
- sigmaSpace - 表示坐标空间中的滤波器sigma。
考虑以下示例:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread(r'C:\Users\DEVANSH SHARMA\baloon.jpg',1)
kernel = np.ones((5,5),np.float32)/25
blur = cv2.bilateralFilter(img,9,75,75)
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title('Bilateral Filter')
plt.xticks([]), plt.yticks([])
cv2.imshow("Image",blur)
输出
方框滤波器
我们可以使用boxfilter()函数执行此滤波器。它类似于平均模糊操作。该函数的语法如下:
cv2. boxfilter(src, dst, ddepth, ksize, anchor, normalize, bordertype)
参数:
- src - 表示图像的源。它可以是8位或浮点,1通道图像。
- dst- 表示相同大小的目标图像。其类型将与src图像相同。
- ddepth - 表示输出图像深度。
- ksize - 模糊的核大小。
- anchor - 表示锚点。默认情况下,其值指向坐标(-1,1),这意味着锚点位于核心中心。
- normalize - 它是一个标志,指定是否应该对核进行归一化。
- borderType - 表示使用的边界类型的整数对象。
考虑以下示例:
import cv2
import numpy as np
# using imread('path') and 0 denotes read as grayscale image
img = cv2.imread(r'C:\Users\DEVANSH SHARMA\baloon.jpg',1)
img_1 = cv2.boxFilter(img, 0, (7,7), img, (-1,-1), False, cv2.BORDER_DEFAULT)
#This is using for display the image
cv2.imshow('Image',img_1)
cv2.waitKey(3) # This is necessary to be required so that the image doesn't close immediately.
#It will run continuously until the key press.
cv2.destroyAllWindows()
输出
Filter2D
它将图像与卷积核相结合。我们可以使用Filter2D()方法在图像上执行此操作。该函数的语法如下:
cv2.Filter2D(src, dst, kernel, anchor = (-1,-1))
参数:
- src - 表示输入图像。
- dst- 表示相同大小的目标图像。其类型将与src图像相同。
- kernel - 卷积核,单通道浮点矩阵。如果要将不同的核应用于不同的通道,请使用split()将图像拆分为单独的颜色平面,并分别处理它们。
- anchor - 表示锚点,其默认值为Point(-1,1),这意味着锚点位于核心中心。
- borderType - 表示使用的边界类型的整数对象。
考虑以下示例:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread(r'C:\Users\DEVANSH SHARMA\baloon.jpg',1)
kernel = np.ones((5,5),np.float32)/25
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('Filter2D')
plt.xticks([]), plt.yticks([])
plt.show()
输出