Python+OpenCV：图像平滑

二维卷积(图像滤波)

####################################################################################################
# 二维卷积(图像滤波)
def lmc_cv_2d_convolution():"""函数功能: 二维卷积(图像滤波).与一维信号一样，图像也可以用各种低通滤波器(LPF)、高通滤波器(HPF)等进行滤波。低通滤波器(LPF)有助于消除噪音，模糊图像等。高通滤波器(HPF)滤波器有助于在图像中找到边缘。"""# 读取图像image = lmc_cv.imread('D:/99-Research/Python/Image/Lena.jpg')image = lmc_cv.cvtColor(image, lmc_cv.COLOR_RGB2BGR)# 二维卷积(图像滤波)kernel = np.ones((5, 5), np.float32) / 25filter_image = lmc_cv.filter2D(image, -1, kernel)# 显示图像pyplot.figure('Image Display')pyplot.subplot(121)pyplot.imshow(image)pyplot.title('Original')pyplot.xticks([])pyplot.yticks([])pyplot.subplot(122)pyplot.imshow(filter_image)pyplot.title('Averaging')pyplot.xticks([])pyplot.yticks([])pyplot.show()# 根据用户输入保存图像if ord("q") == (lmc_cv.waitKey(0) & 0xFF):# 销毁窗口pyplot.close()return

图像模糊(图像平滑)

####################################################################################################
# 模糊图像(平滑图像)
def lmc_cv_blurring_image(index):"""函数功能: 模糊图像(平滑图像).图像模糊是通过低通滤波核卷积图像来实现, 这对消除噪音很有帮助。它实际上从图像中去除高频内容(例如:噪声、边缘), 所以在这个操作中边缘会模糊一点(也有模糊技术不会模糊边缘)。OpenCV提供了四种主要的模糊技术:均值模糊(Averaging Blurring)、高斯模糊(Gaussian Blurring)、中值模糊(Median Blurring)、双边模糊(Bilateral Filtering)。"""# 读取图像image = lmc_cv.imread('D:/99-Research/Python/Image/Plaid.jpg')image = lmc_cv.cvtColor(image, lmc_cv.COLOR_RGB2BGR)# 显示图像pyplot.figure('Image Display')pyplot.subplot(121)pyplot.imshow(image)pyplot.title('Original Image')pyplot.xticks([])pyplot.yticks([])pyplot.subplot(122)pyplot.xticks([])pyplot.yticks([])# 均值模糊(Averaging Blurring)if 0 == index:blur_image = lmc_cv.blur(image, (5, 5))pyplot.imshow(blur_image)pyplot.title('Averaging Blurring')# 高斯模糊(Gaussian Blurring)if 1 == index:blur_image = lmc_cv.GaussianBlur(image, (5, 5), 0.5, 0.5, lmc_cv.BORDER_DEFAULT)pyplot.imshow(blur_image)pyplot.title('Gaussian Blurring')# 中值模糊(Median Blurring)if 2 == index:blur_image = lmc_cv.medianBlur(image, 5)pyplot.imshow(blur_image)pyplot.title('Median Blurring')# 双边模糊(Bilateral Filtering)if 3 == index:blur_image = lmc_cv.bilateralFilter(image, 9, 75, 75, lmc_cv.BORDER_DEFAULT)pyplot.imshow(blur_image)pyplot.title('Bilateral Blurring')# 显示窗口pyplot.show()# 根据用户输入保存图像if ord("q") == (lmc_cv.waitKey(0) & 0xFF):# 销毁窗口pyplot.close()return

Python+OpenCV：图像平滑相关推荐

Python+OpenCV图像处理（一篇全）
参考:1.网易云课堂 Python+OpenCV图像处理 - 网易云课堂 2.[在水一方xym的博客]业精于勤荒于嬉,行成于思毁于随 - CSDN博客 https://blog.csdn.net/za ...
Python OpenCV实战应用
OpenCV实战应用摘要传统计算机视觉传统特征提取方法 SIFT(尺度不变特征变换) HOG方向梯度特征图 SIFT和HOG的比较 LBP 建筑物轮廓提取介绍代码 API说明车道线检测介 ...
OpenCv图像平滑
目录什么是图片平滑? 怎么做到图像平滑? 1.邻域平均法(又名均值滤波法) 2.中值滤波法 3.高斯滤波法 4.双边滤波法什么是图片平滑? 目前,大多数数字图像系统中,输入光图像都是通过扫描方式将 ...
Python OpenCV图像处理理论代码
python opencv图像处理 GitHub - LeBron-Jian/ComputerVisionPractice OpenCV计算机视觉学习 & 代码 OpenCV计算机视觉学习(1 ...
Python OpenCV GrabCut进行前景分割和提取
Python OpenCV GrabCut进行前景分割和提取 1. 效果图 1.1 边界框GrabCut效果图 1.2 Mask GrabCut效果图 2. GrabCut原理 2.1 GrabCut ...
解决Python OpenCV 读取视频并抽帧出现error while decoding的问题
解决Python OpenCV 读取视频抽帧出现error while decoding的问题 1. 问题 2. 解决 3. 源代码参考 1. 问题读取H264视频,抽帧视频并保存,报错如下: [ ...
Python OpenCV应用K均值聚类进行颜色量化
Python OpenCV应用K均值聚类进行颜色量化 1. 效果图 2. 颜色量化是什么? 3. MiniBatchKMeans & KMeans 4. 源码参考在这篇博客文章中,我将向您 ...
使用Python,OpenCV在视频中进行实时条形码检测
使用Python,OpenCV在视频中进行实时条形码检测 1. 步骤 2. 适用场景及优化 3. 总结 4. 源码参考上一篇博客介绍了如何检测和查找图像中的条形码.这篇博客将进行一些优化以检测实时 ...
Python+OpenCV图像处理实验
目录 1.灰度化功能 2.反转功能 3.通道分离功能 4.噪音.滤波功能 5.高斯双边滤波功能 6.均值偏移滤波功能 7.图像二值化功能 8.Canny边缘检测功能 9.直线检测功能 10.圆形检测功 ...

Python+OpenCV：图像平滑

Python+OpenCV：图像平滑

二维卷积(图像滤波)

图像模糊(图像平滑)

Python+OpenCV：图像平滑相关推荐

最新文章

热门文章