其實(shí)我們平時(shí)在深度學(xué)習(xí)中所說的卷積操作，在 opencv 中也可以進(jìn)行，或者說是類似操作。那么它是什么操作呢？它就是圖像的模糊（濾波）處理。

均值濾波

使用 opencv 中的cv2.blur(src, ksize)函數(shù)。其參數(shù)說明是：

• src: 原圖像
• ksize: 模糊核大小

原理：它只取內(nèi)核區(qū)域下所有像素的平均值并替換中心元素。3x3 標(biāo)準(zhǔn)化的盒式過濾器如下所示：

• 特征：核中區(qū)域貢獻(xiàn)率相同。
• 作用：對(duì)于椒鹽噪聲的濾除效果比較好。

# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv

def image_blur(image_path: str):
 """
 圖像卷積操作：設(shè)置卷積核大小，步距
 :param image_path:
 :return:
 """
 img = cv.imread(image_path, cv.IMREAD_COLOR)
 cv.imshow('input', img)
 # 模糊操作（類似卷積），第二個(gè)參數(shù)ksize是設(shè)置模糊內(nèi)核大小
 result = cv.blur(img, (5, 5))
 cv.imshow('result', result)
 cv.waitKey(0)
 cv.destroyAllWindows()

if __name__ == '__main__':
 path = 'images/2.png'
 image_blur(path)

結(jié)果展示：

高斯濾波

高斯濾波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函數(shù)。

說明：sigmaX,sigmaY分別表示 X,Y 方向的標(biāo)準(zhǔn)偏差。如果僅指定了sigmaX，則sigmaY與sigmaX相同；如果兩者都為零，則根據(jù)內(nèi)核大小計(jì)算它們。

• 特征：核中區(qū)域貢獻(xiàn)率與距離區(qū)域中心成正比，權(quán)重與高斯分布相關(guān)。
• 作用：高斯模糊在從圖像中去除高斯噪聲方面非常有效。

def image_conv(image_path: str):
 """
 高斯模糊
 :param image_path:
 :return:
 """
 img = cv.imread(image_path, cv.IMREAD_COLOR)
 cv.imshow('img', img)
 # 高斯卷積（高斯濾波）， 可以設(shè)置ksize，必須為奇數(shù)，不為0時(shí)，后面的步驟不起作用；也可以設(shè)置成（0，0），然后通過sigmaX和sigmaY計(jì)算標(biāo)準(zhǔn)偏差
 result = cv.GaussianBlur(img, (0, 0), 15)
 cv.imshow('result', result)
 cv.waitKey(0)
 cv.destroyAllWindows()

if __name__ == '__main__':
 path = 'images/2.png'
 image_conv(path)

結(jié)果展示：

高斯雙邊濾波

雙邊濾波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函數(shù)。

說明：d為鄰域直徑，sigmaColor為空間高斯函數(shù)標(biāo)準(zhǔn)差，參數(shù)越大，臨近像素將會(huì)在越遠(yuǎn)的地方越小。

sigmaSpace灰度值相似性高斯函數(shù)標(biāo)準(zhǔn)差，參數(shù)越大，那些顏色足夠相近的的顏色的影響越大。

雙邊濾波是一種非線性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時(shí)考慮空間與信息和灰度相似性，達(dá)到保邊去噪的目的，具有簡(jiǎn)單、非迭代、局部處理的特點(diǎn)。之所以能夠達(dá)到保邊去噪的濾波效果是因?yàn)闉V波器由兩個(gè)函數(shù)構(gòu)成：一個(gè)函數(shù)是由幾何空間距離決定濾波器系數(shù)，另一個(gè)是由像素差值決定濾波器系數(shù)。

• 特征：處理耗時(shí)。
• 作用：在濾波的同時(shí)能保證一定的邊緣信息。

# 邊緣保留濾波器——高斯雙邊模糊
def image_bifilter(image_path: str):
 """
 高斯雙邊模糊
 :param image_path: 圖片文件
 :return: 無返回值
 """
 img = cv.imread(image_path, cv.IMREAD_COLOR)
 cv.imshow('input', img)
 # 第三個(gè)參數(shù)是設(shè)置色彩、第四個(gè)參數(shù)是設(shè)置圖像坐標(biāo)
 result = cv.bilateralFilter(img, 0, 50, 10)
 cv.imshow('result', result)
 cv.waitKey(0)
 cv.destroyAllWindows()

if __name__ == '__main__':
 path = 'images/2.png'
 image_bifilter(path)

結(jié)果展示：

到此這篇關(guān)于Python OpenCV對(duì)圖像進(jìn)行模糊處理詳解流程的文章就介紹到這了,更多相關(guān)Python 圖像模糊處理內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。