这篇文章主要给大家分享用OpenCV怎样实现图像模糊处理的操作，下文示例代码具有一定的借鉴价值，感兴趣的朋友可以参考，希望大家阅读完这篇文章能有所收获，下面我们一起来学习一下吧。

均值滤波

    使用 opencv 中的cv2.blur(src, ksize)函数。其参数说明是：

• src: 原图像
• ksize: 模糊核大小

    原理：它只取内核区域下所有像素的平均值并替换中心元素。3x3 标准化的盒式过滤器如下所示：

• 特征：核中区域贡献率相同。
• 作用：对于椒盐噪声的滤除效果比较好。

# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv


def image_blur(image_path: str):
    """
    图像卷积操作：设置卷积核大小，步距
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 模糊操作（类似卷积），第二个参数ksize是设置模糊内核大小
    result = cv.blur(img, (5, 5))
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_blur(path)

    结果展示：

高斯滤波

    高斯滤波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函数。

    说明：sigmaX,sigmaY分别表示 X,Y 方向的标准偏差。如果仅指定了sigmaX，则sigmaY与sigmaX相同；如果两者都为零，则根据内核大小计算它们。

• 特征：核中区域贡献率与距离区域中心成正比，权重与高斯分布相关。
• 作用：高斯模糊在从图像中去除高斯噪声方面非常有效。

def image_conv(image_path: str):
    """
    高斯模糊
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('img', img)
    # 高斯卷积（高斯滤波）， 可以设置ksize，必须为奇数，不为0时，后面的步骤不起作用；也可以设置成（0，0），然后通过sigmaX和sigmaY计算标准偏差
    result = cv.GaussianBlur(img, (0, 0), 15)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_conv(path)

    结果展示：

高斯双边滤波

    双边滤波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函数。

    说明：d为邻域直径，sigmaColor为空间高斯函数标准差，参数越大，临近像素将会在越远的地方越小。

    sigmaSpace灰度值相似性高斯函数标准差，参数越大，那些颜色足够相近的的颜色的影响越大。

    双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空间与信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部处理的特点。之所以能够达到保边去噪的滤波效果是因为滤波器由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个是由像素差值决定滤波器系数。

• 特征：处理耗时。
• 作用：在滤波的同时能保证一定的边缘信息。

# 边缘保留滤波器――高斯双边模糊
def image_bifilter(image_path: str):
    """
    高斯双边模糊
    :param image_path: 图片文件
    :return: 无返回值
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 第三个参数是设置色彩、第四个参数是设置图像坐标
    result = cv.bilateralFilter(img, 0, 50, 10)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_bifilter(path)

    结果展示：

    以上就是关于用OpenCV怎样实现图像模糊处理的操作，上述示例代码具有一定的借鉴价值，有需要的朋友可以参考学习，希望对大家学习opencv的使用有帮助，想要了解更多可以继续浏览群英网络其他相关的文章。

文本转载自脚本之家

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。