c++ opencv实现区域填充_Python+OpenCV基础教程2:平滑图像
学习模糊/平滑图像,消除噪点。图片等可到源码处下载。
01
目标
02
教程
滤波与模糊
推荐大家先阅读:番外篇:卷积基础(图片边框),有助于理解卷积和滤波的概念。
关于滤波和模糊,很多人分不清,我来给大家理理(虽说如此,我后面也会混着用,,ԾㅂԾ,,):
它们都属于卷积,不同滤波方法之间只是卷积核不同(对线性滤波而言)
低通滤波器是模糊,高通滤波器是锐化
低通滤波器就是允许低频信号通过,在图像中边缘和噪点都相当于高频部分,所以低通滤波器用于去除噪点、平滑和模糊图像。高通滤波器则反之,用来增强图像边缘,进行锐化处理。
常见噪声有椒盐噪声和高斯噪声,椒盐噪声可以理解为斑点,随机出现在图像中的黑点或白点;高斯噪声可以理解为拍摄图片时由于光照等原因造成的噪声。
均值滤波
均值滤波是一种最简单的滤波处理,它取的是卷积核区域内元素的均值,用cv2.blur()实现,如3×3的卷积核:
img = cv2.imread('lena.jpg')blur = cv2.blur(img, (3, 3)) # 均值模糊
所有的滤波函数都有一个可选参数borderType,这个参数就是番外篇:卷积基础(图片边框)中所说的边框填充方式。
方框滤波
方框滤波跟均值滤波很像,如3×3的滤波核如下:
用cv2.boxFilter()函数实现,当可选参数normalize为True的时候,方框滤波就是均值滤波,上式中的a就等于1/9;normalize为False的时候,a=1,相当于求区域内的像素和。
# 前面的均值滤波也可以用方框滤波实现:normalize=Trueblur = cv2.boxFilter(img, -1, (3, 3), normalize=True)
高斯滤波
前面两种滤波方式,卷积核内的每个值都一样,也就是说图像区域中每个像素的权重也就一样。高斯滤波的卷积核权重并不相同:中间像素点权重最高,越远离中心的像素权重越小,来,数学时间( ╯□╰ ),还记得标准正态分布的曲线吗?
显然这种处理元素间权值的方式更加合理一些。图像是2维的,所以我们需要使用2维的高斯函数,比如OpenCV中默认的3×3的高斯卷积核(具体原理和卷积核生成方式请参考文末的番外小篇):
OpenCV中对应函数为cv2.GaussianBlur(src,ksize,sigmaX):
img = cv2.imread('gaussian_noise.bmp')# 均值滤波vs高斯滤波blur = cv2.blur(img, (5, 5)) # 均值滤波gaussian = cv2.GaussianBlur(img, (5, 5), 1) # 高斯滤波
参数3 σx值越大,模糊效果越明显。高斯滤波相比均值滤波效率要慢,但可以有效消除高斯噪声,能保留更多的图像细节,所以经常被称为最有用的滤波器。均值滤波与高斯滤波的对比结果如下(均值滤波丢失的细节更多):
中值滤波
中值又叫中位数,是所有数排序后取中间的值。中值滤波就是用区域内的中值来代替本像素值,所以那种孤立的斑点,如0或255很容易消除掉,适用于去除椒盐噪声和斑点噪声。中值是一种非线性操作,效率相比前面几种线性滤波要慢。
比如下面这张斑点噪声图,用中值滤波显然更好:
双边滤波
模糊操作基本都会损失掉图像细节信息,尤其前面介绍的线性滤波器,图像的边缘信息很难保留下来。然而,边缘(edge)信息是图像中很重要的一个特征,所以这才有了双边滤波。用cv2.bilateralFilter()函数实现:
img = cv2.imread('lena.jpg')# 双边滤波vs高斯滤波gau = cv2.GaussianBlur(img, (5, 5), 0) # 高斯滤波blur = cv2.bilateralFilter(img, 9, 75, 75) # 双边滤波
可以看到,双边滤波明显保留了更多边缘信息。
03
番外小篇:高斯滤波卷积核
要解释高斯滤波卷积核是如何生成的,需要先复习下概率论的知识(What??又是数学( ╯□╰ ))
一维的高斯函数/正态分布X∼N(μ,σ2)X∼N(μ,σ2):
当μ=0,σ2=1μ=0,σ2=1时,称为标准正态分布X∼N(0,1)X∼N(0,1):
二维X/Y相互独立的高斯函数:
由上可知,二维高斯函数具有可分离性,所以OpenCV分两步计算二维高斯卷积,先水平再垂直,每个方向上都是一维的卷积。OpenCV中这个一维卷积的计算公式类似于上面的一维高斯函数:
print(cv2.getGaussianKernel(3, 0))# 结果:[[0.25][0.5][0.25]]
生成之后,先进行三次的水平卷积:
然后再进行垂直的三次卷积:
这就是OpenCV中高斯卷积核的生成方式。其实,OpenCV源码中对小于7×7的核是直接计算好放在数组里面的,这样计算速度会快一点,感兴趣的可以看下源码:getGaussianKernel()
上面矩阵也可以写成:
04
小结
在不知道用什么滤波器好的时候,优先高斯滤波cv2.GaussianBlur(),然后均值滤波cv2.blur()。
斑点和椒盐噪声优先使用中值滤波cv2.medianBlur()。
要去除噪点的同时尽可能保留更多的边缘信息,使用双边滤波cv2.bilateralFilter()。
线性滤波方式:均值滤波、方框滤波、高斯滤波(速度相对快)。
非线性滤波方式:中值滤波、双边滤波(速度相对慢)。
文章转载自 EX2TRON'S BLOG http://ex2tron.wang/opencv-python-smoothing-images/
如果你也有想分享的干货,可以登录天池实验室(notebook),包括赛题的理解、数据分析及可视化、算法模型的分析以及一些核心的思路等内容。
小天会根据你分享内容的数量以及程度,给予丰富的神秘天池大礼以及粮票奖励。分享成功后你也可以通过下方钉钉群?主动联系我们的社区运营同学(钉钉号:yiwen1991)
天池宝贝们有任何问题,可在戳“留言”评论或加入钉钉群留言,小天会认真倾听每一个你的建议!
点击下方图片即可阅读
如何使用sklearn优雅地进行数据挖掘?
为何推荐sklearn做单机特征工程?【下】
学会【超参数与模型验证】,大不了我请你吃辣条~
迁移学习教程(Transfer Learning tutorial)
c++ opencv实现区域填充_Python+OpenCV基础教程2:平滑图像相关推荐
- python分类器鸢尾花怎么写_python机器学习基础教程-鸢尾花分类
一: 环境准备: 1.导入的库: importnumpy as npimportmatplotlib.pyplot as pltimportpandas as pdimport mglearn 2.导 ...
- python基础教程运行程序_Python入门基础教程:WSGI
原标题:Python入门基础教程:WSGI WSGI 简介 WSGI 是什么 WSGI 是 Python Web Server Gateway Interface 的缩写,是描述 Web 服务器与 P ...
- python爬虫requests库_python爬虫基础教程:requests库(二)代码实例
get请求 简单使用 import requests ''' 想要学习Python?Python学习交流群:973783996满足你的需求,资料都已经上传群文件,可以自行下载! ''' respons ...
- python入门图谱_Python入门基础教程图
一张图带我们入门Python基础教程 啄木鸟社区上原始翻译后绘制的,最早这个图是出现在(链接已失效) "这个图太棒了,有编程基础的人一下子就了解 Python 的用法了.真正的 30 分钟上 ...
- python使用opencv查找轮廓_Python+opencv学习记录20:轮廓发现,Pythonopencv
1.轮廓发现 轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法,所以边缘提取的阈值选定会影响最终轮廓发现结果. 1.1发现轮廓 在此步骤中我们会使用到findContours这个API,其原型为: ...
- opencv 文字识别_Python+opencv+EAST做自然场景文本检测!
在本教程中,您将学习如何使用OpenCV通过EAST文本检测器检测自然场景图像中的文本. OpenCV的EAST文本检测器是一种深度学习模型,基于新颖的架构和训练模式.它的优势是 (1)可以以13 F ...
- opencv均值滤波_python+opencv图像处理(二十)
领域平均滤波的方法是经常用来进行图像增强的方法.空域滤波指的是利用像素及像素邻域组成的空间进行滤波的方法.空域滤波主要是借助模板运算来进行的.模板运算中用得最多的是模板卷积,其主要步骤如下:1) 将模 ...
- python opencv 读取图片_Python opencv 读取图像
对于 matlab 起家做数字图像处理的人来讲都非常适应matlab对图像处理的操作和思路,尤其是它可以非常方便直观的看到图像的RGB值. 由于最近在研究深度学习的计算机视觉方面的东西,于是完全自学接 ...
- opencv python考勤_Python+Opencv+Tkinter指纹识别与人脸识别的门禁兼考勤(二)
一. 门禁考勤系统硬件设计 1 .硬件总体结构 PC端的intel处理器作为硬件平台的核心,是衡量系统能否达到标准的主要标志.本文结合考勤系统,采用intel i5处理器的PC与51单片机共同构建了门 ...
最新文章
- JAVA如何实现发送短信
- 如何学好3D游戏引擎编程《转自3D游戏引擎网》
- jvm性能调优实战 - 40 百万级数据误处理导致的频繁Full GC问题优化
- 云存储领域的那些安全难题与解决途径
- Java语言特性运用:各种Java语法特性是怎样被Spring各种版本巧妙运用的?
- linux下载b站的视频+ffmpeg抽取出mp3
- 爬了菊姐的两万条评论,竟发现菊粉都是这样的人!
- 新装系统或者安装显卡出现的卡住,循环登录等问题
- Tomcat部署项目的方法
- CSS3: box-sizing 属性的简单认识
- 大数据,原来可以这么“玩”
- keras利用flow_from_directoryt自己构建数据集
- 单元格中指定内容标红_你一直都不知道,键盘上“F4”在office中的强大功能
- 浅析麒麟信安云几大优势之“安全性”篇
- 使用git进行word版本管理
- 如何新建一个ccs工程文件
- 邂逅你,是我最美的相遇
- 数据预处理 - 类型转换(离散型)
- 汽车的转向控制 外文翻译
- 人脸识别考勤系统安卓APP(手把手教学-手动滑稽)
热门文章
- SpringBoot中fastJson返回数据展示null字段(响应值为null时字段被过滤)
- 电商系统中API接口防止参数篡改和重放攻击(小程序/APP)
- 006-高级语言程序设计C 第六章,高级语言程序设计_C语言(第六章 数组.ppt
- 金蝶k3rpc服务器不可用_金蝶KIS商贸版常见问题这样解决
- 【鉴轻尘】BTC的暴跌的是因为BCH的分叉,但是你知道为什么?
- Apache和PHP结合、Apache默认虚拟主机
- 计算机网络课程优秀备考PPT之第一章概述(一)
- 即将改变软件开发的5个Java9新特性
- nginx日志定期归档脚本
- c#编程指南(四) 组元(Tuple)