python影象平滑處理原理

2022-06-14 18:01:14

前言：

影象濾波是影象處理和計算機視覺中最常用、最基本的操作。主要是去除影象中的噪聲，因為影象平滑處理過程中往往會使得影象變的模糊，因此又叫模糊處理。

基本原理

影象平滑的基本原理是，將噪聲所在畫素點的畫素值處理為其周圍臨近畫素點的值的近似值。
影象平滑處理的方法有很多，比如均值濾波，方框濾波，高斯濾波，中值濾波，雙邊濾波。

（這裡就不講公式推導了）

1均值濾波

在進行均值濾波的時候要考慮需要對周圍多少個畫素去平均值，即確定核的大小，通常情況下都是以當前畫素點為中心，讀行數和列數相等的一塊區域內的所有畫素點求平均。將計算得到的結果作為該點的畫素。

原始影象畫素

當前畫素點為226的位置，我們對其周圍5x5區域內畫素點求平均計算方法為：

新值=（197+25+106+156+159+149+40+107+5+71+163+198+226+223+156+222+37+68+233+157+75+193+250+2+42）/25

計算得到的新值即為226畫素點位置的新的畫素。

其中均值濾波的核如下所示：

1.1函數語法

在OpenCV中，實現均值濾波的函數是cv2.blur(),語法格式如下：

dst=cv2.blur(src,ksize,anchor,borderType)

dst是返回值，表示進行均值濾波後得到的結果
src是需要處理的影象，即原始影象，影象的深度有CV_8U,CV_16U,CV16S,CV32F,CV_64F.
ksize是核的大小，
anchor是錨點，一般情況該值直接預設即可
borderType是邊界樣式，該值決定以何種方式處理邊界，一般情況下不需要考慮該值的取值，直接預設即可。

因此函數cv2.blur()的一般形式為：

dst=cv2.blur(src,ksize)

接下來看一段程式：

import cv2 as cv
img=cv.imread(r'F:AIphototestlena.jpg')
blurImg=cv.blur(img,(5,5))
print('imgshape',img.shape)
print('blurImg',blurImg.shape)
cv.imshow('img',img)
cv.imshow('blurImg',blurImg)
cv.waitKey()
cv.destroyAllWindows()

原始影象：

均值濾波後的影象

2.高斯濾波

在均值濾波中，其鄰域內每個畫素的權重都是一樣的，在高斯濾波中，中心點的權重值加大，遠離中心點的權重值減少，在此基礎上計算鄰域內各個畫素值不同權重的和。

高斯濾波折積核範例

2.1函數語法

dst=cv2.GaussianBlur(src,ksize,sigmaX,sigmaY,borderType)

式中：

dst為高斯濾波後得到的結果
src是需要處理的影象，
ksize是濾波折積核。需要注意的是濾波核的值必須是奇數
sigmaX是折積在水平方向的標準差，或者X方向求導
sigmaY是折積在垂直方向的標準差，或者說Y方向上
bordenType是邊界型別

因此高斯濾波的一般形式為：

dst=cv2.GaussianBlur(src,ksize,0,0)

程式演示：

import cv2 as cv
img=cv.imread(r'F:AIphototestlena.jpg')
GS_blurImg=cv.GaussianBlur(img,(5,5),1,1)
print('imgshape',img.shape)
print('blurImg',GS_blurImg.shape)
cv.imshow('img',img)
cv.imshow('GS_blurImg',GS_blurImg)
cv.waitKey()
cv.destroyAllWindows()

相比原始影象，高斯濾波處理後的影象模糊了一些，但是相對於均值濾波來說，要好一些，這是因為高斯濾波折積核在中心點的權重更高。

3.中值濾波

中值濾波就是將當前畫素點及其鄰域內的畫素點排序後取中間值作為當前值的畫素點。

中值濾波的處理過程為：將226畫素點週期的8個畫素點一起排序即5,37,40,68,107,198，223,223，226，所以226畫素點的新的畫素值為107.

3.1函數語法

dscv2.medianBlur(src,ksize)

其中需要注意的是ksize核的大小必須是比1大的奇數，比如3,5,7等

import cv2 as cv
img=cv.imread(r'F:AIphototestlena.jpg')
medianblurImg=cv.medianBlur(img,5)
cv.imshow('img',img)
cv.imshow('medianblurImg',medianblurImg)
cv.waitKey()
cv.destroyAllWindows()

在中值濾波處理中，噪聲成分很難被選中，所以可以在幾乎不影響原有影象的情況下去除所有的噪聲，但是由於需要進行排序等操作，中值濾波需要的運算較大。中值濾波對椒鹽噪聲去除效果較明顯，下次補充，還有雙邊濾波以及方框濾波後面補充。

到此這篇關於python影象平滑處理原理的文章就介紹到這了,更多相關python 影象平滑處理內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！