OpenCV-Python 图像平滑处理2：blur函数及滤波案例

一、图像平滑处理简介

图像平滑处理的基本概念非常直观，它使用滤波器模板确定的邻域内像素的平均/加权平均灰度值代替图像中每个像素的值。平滑线处理滤波器也称均值滤波器，所有系数都相等（非加权平均）的空间均值滤波器也称为盒状滤波器。
在《OpenCV-Python 图像平滑处理1：卷积函数filter2D详解及用于均值滤波的案例》介绍了使用filter2D实现
图像平滑处理，本文将介绍另外一个OpenCV-Python的函数blur实现平滑处理。

二、blur介绍

2.1、简介

blur是OpenCV用于进行图像模糊处理的函数，该函数使用归一化的盒装滤波器进行均值滤波处理。盒状滤波器的所有元素都相等，其元素为浮点数。blur的核矩阵进行了归一化处理，每个元素值=1/（滤波器核高×核宽），因此核矩阵的所有元素和值为1。

对系数相等的盒状滤波来说，由于核矩阵的对称性，卷积和相关的处理结果相同。关于相关和卷积的关系请参考《《数字图像处理》空间滤波学习感悟2：空间相关与卷积的概念、区别及联系》的介绍。

2.2、语法说明

语法

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

参数说明

src：输入图像，可以是任何通道数的图像，处理时是各通道拆分后单独处理，但图像深度必须是CV_8U, CV_16U, CV_16S, CV_32F 或CV_64F；
- dst：结果图像，其大小和类型都与输入图像相同；
ksize：卷积核（convolution kernel ）矩阵大小，如上概述所述，实际上是相关核（correlation kernel），为一个单通道的浮点数矩阵，如果针对图像不同通道需要使用不同核，则需要将图像进行split拆分成单通道并使用对应核逐个进行处理
anchor：核矩阵的锚点，用于定位核距中与当前处理像素点对齐的点，默认值（-1，-1），表示锚点位于内核中心，否则就是核矩阵锚点位置坐标，锚点位置对卷积处理的结果会有非常大的影响；
borderType：当要扩充输入图像矩阵边界时的像素取值方法，当核矩阵锚点与像素重合但核矩阵覆盖范围超出到图像外时，函数可以根据指定的边界模式进行插值运算。可选模式包括：

注意：

BORDER_WRAP在此不支持；
默认值为BORDER_DEFAULT ，与BORDER_REFLECT_101 、BORDER_REFLECT101相同

2.4、返回值

返回值为结果图像矩阵，因此输入参数中的dst参数无需输入。

从以上介绍可知，blur函数就是在《OpenCV-Python 图像平滑处理1：卷积函数filter2D详解及用于均值滤波的案例》介绍的filter2D的一种用于均值滤波的特定应用。

三、使用案例

下面的案例脱胎于OpenCV帮助文档，代码对输入图像进行均值滤波：

import cv2
import numpy as np
from opencvPublic import cmpMatrixdef smoothingByFiler2D():img = cv2.imread('f:\\pic\\opencvLogo.JPG')kernal = np.ones((5, 5), np.float32) / 25dst = cv2.filter2D(img, None, kernal,delta=0)return dstdef smoothingByBlur():img = cv2.imread('f:\\pic\\opencvLogo.JPG')ksize = (5,5)dst = cv2.blur(img,  ksize)plt.subplot(121), plt.imshow(img), plt.title('Original')plt.xticks([]), plt.yticks([])plt.subplot(122), plt.imshow(dst), plt.title('Blurred')plt.xticks([]), plt.yticks([])plt.show()return dstd1 = smoothingByBlur()
d2 = smoothingByFiler2D()if(cmpMatrix(d1,d2)): #对比两个结果矩阵是否一致print('d1==d2')
else: print('d1!=d2')

结果输出：

文字输出：
d1==d2

可以看到输出图像比输入图像变模糊了，且blur处理的结果矩阵与filter2D处理的结果完全一样。

四、小结

本文介绍了图像平滑处理及均值滤波等基础概念，并详细介绍了卷积函数blur的Python语法及参数，并用之进行了对图像的均值滤波平滑处理，可以看到其模糊化处理结果与filter2D完全一样，实际上它是filter2D一种特定场景的应用。

更多图像处理请参考专栏《OpenCV-Python图形图像处理》、《图像处理基础知识》以及付费专栏《OpenCV-Python初学者疑难问题集》的介绍。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《专栏：Python基础教程目录》从零开始学习Python。

如对文章内容存在疑问，可在博客评论区留言，或关注：老猿Python 微信公号发消息咨询：
老猿Python微信公号

也可以扫描博客左边栏目的微信公号二维码咨询。

写博不易，敬请支持：

如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！

关于老猿的付费专栏

付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》；
付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》；
付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理》的伴生专栏，是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合，相关资料基本上都是老猿反复研究的成果，有助于OpenCV-Python初学者比较深入地理解OpenCV，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录》
付费专栏《https://blog.csdn.net/laoyuanpython/category_10762553.html Python爬虫入门》站在一个互联网前端开发小白的角度介绍爬虫开发应知应会内容，包括爬虫入门的基础知识，以及爬取CSDN文章信息、博主信息、给文章点赞、评论等实战内容。

前两个专栏都适合有一定Python基础但无相关知识的小白读者学习，第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理》的学习使用。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏：Python基础教程目录）从零开始学习Python。

如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。

老猿Python，跟老猿学Python！

☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░