图片处理-opencv-2.图像平滑

Posted 2023-04-08

参考技术A

 

图像增强是对图像进行处理，使其比原始图像更适合于特定的应用，它需要与实际应用相结合。对于图像的某些特征如边缘、轮廓、对比度等，图像增强是进行强调或锐化，以便于显示、观察或进一步分析与处理。图像增强的方法是因应用不同而不同的，研究内容包括：

图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中值滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。常用的算法 均值滤波、方框滤波、高斯滤波和中值滤波 。

均值滤波是指任意一点的像素值，都是周围N*M个像素值的均值

result = cv2.blur(原始图像,核大小)

缺点：图像模糊

方框滤波和均值滤波核基本一致，区别是需不需要均一化处理

result = cv2.boxFilter(原始图像, 目标图像深度, 核大小, normalize属性)

缺点：图像模糊

高斯平滑与简单平滑不同，它在对邻域内像素进行平均时，给予不同位置的像素不同的权值。高斯滤波让临近的像素具有更高的重要度，对周围像素计算加权平均值，较近的像素具有较大的权重值。

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

缺点：边界模糊

中值滤波是非线性的图像处理方法，在去噪的同时可以兼顾到边界信息的保留。选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把窗口中所含的像素点按灰度级的升或降序排列，取位于中间的灰度值来代替该点的灰度值。

dst = cv2.medianBlur(src, ksize)

opencv 4 -- 图像平滑与滤波--理论解释

滤波的作用是什么？

一般可以对图像进行低通滤波、高通滤波
低通滤波：帮助我们去除噪音，模糊图像
高通滤波：帮助我们找到图像的边缘

每个输入的图片或者视频帧都会因自然震动、光照变化或者摄像头本身等原因而产生噪声
对噪声进行平滑是为了避免在运动和跟踪时将其检测出来

这就是为什么要做图像的平滑以及滤波处理

opencv提供的滤波，最主要的作用就是帮助我们做模糊处理
都是低通滤波

模糊图像的本质实际上是去除图像中的高频成分(比如:噪音，边界)

继续深层次来说说为啥要做滤波处理？

滤波，就是过滤波段或者频率的意思，是通过指定一个过滤器对图像的频率过滤，得到想得到的那部分，那就需要说说什么叫做图像的频率

过滤可以移除图像中的噪音、提取感兴趣的可视特征、允许图像重采样

图像在处理的时候都会进行灰度化，单通道的

灰度值就是颜色值，对灰度的处理方式能够是我们做图像处理，图像分类的基础

灰度分布区域的不同，可以作为图像分类的标准； 空间域
灰度变化率的不同，可以作为图像分类的标准 频域

对于灰度变化率，你可以用有蓝天背景的一幅图，灰度在大范围内都基本固定不变
对于人行街道上的一副图像，灰度变化率将是非常大的

因此，观察图像中这些变化的频率就构成了另一条分类图像的方法。这个观点称为频域。
而通过观察图像灰度分布来分类图像称为空间域

频域分析将图像分成从低频到高频的不同部分。
低频对应图像强度变化小的区域，而高频是图像强度变化非常大的区域。
目前已存在若干转换方法，如傅立叶变换或余弦变换，可以用来清晰的显示图像的频率内容。注意，由于图像是一个二维实体，所以其由水平频率（水平方向的变化）和竖直频率（竖直方向的变化）共同组成

在频率分析领域的框架中，滤波器是一个用来增强图像中某个波段或频率，并阻塞（或降低）其他频率波段的操作。

低通滤波器是消除图像中高频部分，但保留低频部分。
高通滤波器消除低频部分