OpenCV学习笔记——图像平滑处理(滤波)

Posted 2021-12-28 卡卡南安

在尽量保留图像原有信息的情况下，过滤掉图像内部的噪声，这一过程称为对图像的平滑处理，所得的图像称为平滑图像。

《OpenCV轻松入门：面向Python》学习笔记(五）

• • • 1. 均值滤波
    • 2. 方框滤波
    • 3. 高斯滤波
    • 4. 中值滤波
    • 5. 双边滤波
    • 6. 2D卷积

1. 均值滤波

均值滤波是指用当前像素点周围N·N个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每一个像素点，即可完成整幅图像的均值滤波。

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

• dst 是返回值，表示进行均值滤波后得到的处理结果。
• src 是需要处理的图像，即原始图像。它可以有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F 中的一种。
• ksize 是滤波核的大小。滤波核大小是指在均值处理过程中，其邻域图像的高度和宽度。例如，其值可以为(5, 5)，表示以5×5大小的邻域均值作为图像均值滤波处理的结果。
• anchor 是锚点，其默认值是(-1, -1)，表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。
• borderType 是边界样式，该值决定了以何种方式处理边界，其值如表7-1 所示。一般情况下不需要考虑该值的取值，直接采用默认值即可。

2. 方框滤波

在方框滤波中，可以自由选择是否对均值滤波的结果进行归一化，即可以自由选择滤波结果是邻域像素值之和的平均值，还是邻域像素值之和。

dst = cv2.boxFilter( src, ddepth, ksize [,anchor] [,normalize] [,borderType])

• dst 是返回值，表示进行方框滤波后得到的处理结果。
• src 是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F 中的一种。
• ddepth 是处理结果图像的图像深度，一般使用-1表示与原始图像使用相同的图像深度。
• ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中所选择的邻域图像的高度和宽度。例如，滤波核的值可以为(3,3)，表示以3×3大小的邻域均值或总和作为图像滤波处理的结果。
• anchor 是锚点，其默认值是(-1, -1)，表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。
• normalize 表示在滤波时是否进行归一化(这里指将计算结果规范化为当前像素值范围内的值(处理，该参数是一个逻辑值，可能为真(值为1)或假(值为0)，默认为1。1.当参数 normalize=1 时，表示要进行归一化处理，要用邻域像素值的和除以面积；2.当参数 normalize=0 时，表示不需要进行归一化处理，直接使用邻域像素值的和。
• borderType 是边界样式，该值决定了以何种方式处理边界，采用默认值即可。

3. 高斯滤波

在高斯滤波中，会将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。

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

• dst 是返回值，表示进行高斯滤波后得到的处理结果。
• src 是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F 中的一种。
• ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。需要注意，滤波核的值必须是奇数。
• sigmaX 是卷积核在水平方向上(X 轴方向)的标准差，其控制的是权重比例。例如，图中是不同的sigmaX决定的卷积核，它们在水平方向上的标准差不同。
• sigmaY 是卷积核在垂直方向上（Y 轴方向）的标准差。如果将该值设置为0，则只采用sigmaX 的值；如果sigmaX 和sigmaY 都是0，则通过ksize.width 和ksize.height 计算得到。
• borderType 是边界样式，该值决定了以何种方式处理边界，采用默认值即可。

在实际处理中，可以显式指定sigmaX 和sigmaY 为默认值0。因此，函数cv2.GaussianBlur()的常用形式为：
dst = cv2.GaussianBlur( src, ksize, 0, 0 )

4. 中值滤波

中值滤波与前面介绍的滤波方式不同，不再采用加权求均值的方式计算滤波结果。它用邻域内所有像素值的中间值来替代当前像素点的像素值。

dst = cv2.medianBlur( src, ksize)

• dst 是返回值，表示进行中值滤波后得到的处理结果。
• src 是需要处理的图像，即源图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F 中的一种。
• ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。需要注意，核大小必须是比1 大的奇数，比如3、5、7 等。

由于没有进行均值处理，中值滤波不存在均值滤波等滤波方式带来的细节模糊问题。在中值滤波处理中，噪声成分很难被选上，所以可以在几乎不影响原有图像的情况下去除全部噪声。但是由于需要进行排序等操作，中值滤波需要的运算量较大。

5. 双边滤波

双边滤波是综合考虑空间信息和色彩信息的滤波方式，在滤波过程中能够有效地保护图像内的边缘信息，但去除噪声的效果并不好。

在双边滤波中，当处在边缘时，与当前点色彩相近的像素点(颜色距离很近)会被给予较大的权重值；而与当前色彩差别较大的像素点(颜色距离很远)会被给予较小的权重值(极端情况下权重可能为0，直接忽略该点)，这样就保护了边缘信息。

dst = cv2.bilateralFilter( src, d, sigmaColor, sigmaSpace [,borderType])

• dst 是返回值，表示进行双边滤波后得到的处理结果。
• src 是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F 中的一种。
• d 是在滤波时选取的空间距离参数，这里表示以当前像素点为中心点的直径。如果该值为非正数，则会自动从参数sigmaSpace 计算得到。如果滤波空间较大(d>5)，则速度较慢。因此，在实时应用中，推荐d=5。对于较大噪声的离线滤波，可以选择d=9。
• sigmaColor 是滤波处理时选取的颜色差值范围，该值决定了周围哪些像素点能够参与到滤波中来。与当前像素点的像素值差值小于sigmaColor的像素点，能够参与到当前的滤波中。该值越大，就说明周围有越多的像素点可以参与到运算中。该值为0时，滤波失去意义；该值为255 时，指定直径内的所有点都能够参与运算。
• sigmaSpace 是坐标空间中的sigma 值。它的值越大，说明有越多的点能够参与到滤波计算中来。当d>0 时，无论sigmaSpace 的值如何，d都指定邻域大小；否则，d与sigmaSpace的值成比例。
• borderType 是边界样式，该值决定了以何种方式处理边界。一般情况下，直接采用默认值即可。

为了简单起见，可以将两个sigma(sigmaColor 和sigmaSpace)值设置为相同的。如果它们的值比较小(例如小于10)，滤波的效果将不太明显；如果它们的值较大(例如大于150)，则滤波效果会比较明显，会产生卡通效果。

6. 2D卷积

使用自定义卷积核实现卷积操作。

dst = cv2.filter2D( src, ddepth, kernel [,anchor] [,delta] [,borderType] )

• dst 是返回值，表示进行方框滤波后得到的处理结果。
• src 是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者CV_64F 中的一种。
• ddepth 是处理结果图像的图像深度，一般使用-1 表示与原始图像使用相同的图像深度。
• kernel 是卷积核，是一个单通道的数组(归一化)。如果想在处理彩色图像时，让每个通道使用不同的核，则必须将彩色图像分解后使用不同的核完成操作。
• anchor 是锚点，其默认值是(-1, -1)，表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。
• delta 是修正值，它是可选项。如果该值存在，会在基础滤波的结果上加上该值作为最终的滤波处理结果。
• borderType 是边界样式，该值决定了以何种情况处理边界，通常使用默认值即可。