快捷導(dǎo)航

OpenCV平滑處理的實(shí)現(xiàn)示例

更新時(shí)間：2024年02月02日 10:55:55 作者：KAIs32

本文主要介紹了OpenCV平滑處理的實(shí)現(xiàn)示例,Opencv中濾波方式可分為均值濾波、高斯濾波和中值濾波,具有一定的參考價(jià)值,感興趣的可以了解一下

前言

當(dāng)我們用樹莓派進(jìn)行opencv圖像處理時(shí)，攝像頭所獲取的圖像質(zhì)量通常會(huì)有所下降，此時(shí)，需要多種手段來優(yōu)化圖像的質(zhì)量，提高圖像識(shí)別的準(zhǔn)度。今天所記錄的是當(dāng)圖片經(jīng)過傳輸?shù)冗^程后出現(xiàn)的圖像噪聲現(xiàn)象及對(duì)應(yīng)解決方法——平滑

一、圖像噪聲

在數(shù)字圖像的采集、處理和傳輸過程中，可能會(huì)受到各種噪聲的干擾，這會(huì)導(dǎo)致圖像質(zhì)量下降、圖像變得模糊，甚至使圖像的特征難以辨認(rèn)。為了增強(qiáng)圖像的質(zhì)量，我們需要對(duì)圖像進(jìn)行平滑處理，以去除這些噪聲的影響。常見的圖像噪聲包括椒鹽噪聲和高斯噪聲等。

（1）椒鹽噪聲

椒鹽噪聲也稱為脈沖噪聲，是一種隨機(jī)出現(xiàn)的白點(diǎn)或黑點(diǎn)，具體表現(xiàn)為亮的區(qū)域有黑色像素，或是暗的區(qū)域有白色像素，又或是兩者皆有

下圖中，左圖為原圖像，右圖為添加椒鹽噪聲的圖像

（2）高斯噪聲

高斯噪聲是指概率密度函數(shù)服從高斯分布（正態(tài)分布）的一類噪聲

下圖中，左圖為原圖像，右圖為添加高斯噪聲的圖像

二、圖像平滑處理

從信號(hào)處理的角度分析，圖像平滑就是去除其中的高頻信息，保留低頻信息，即可以通過低通濾波來去除圖像中的噪聲，實(shí)現(xiàn)對(duì)圖像的平滑處理。根據(jù)濾波器的不同，濾波方式可分為均值濾波、高斯濾波和中值濾波。

（一）均值濾波

均值濾波就是對(duì)圖像的所有像素點(diǎn)進(jìn)行取均值，即以一個(gè)方形區(qū)域?yàn)閱挝?，將該區(qū)域的中心像素點(diǎn)賦值為區(qū)域內(nèi)所有像素點(diǎn)的平均值。如圖所示3*3矩形，中心值為235，這個(gè)值由于過大，會(huì)形成黑點(diǎn)，即噪聲圖像，為了消除噪聲，將這個(gè)點(diǎn)重新設(shè)置為以它為中心的九個(gè)點(diǎn)的平均值，即：

（23+98+168+46+235+2+67+55+211） $\div$ 9 = 100.5

均值濾波是一種簡(jiǎn)單的濾波方法，尤其對(duì)高斯噪聲的消除有較好的作用，但通常會(huì)使圖像的細(xì)節(jié)變的稍微模糊，在需要觀察圖像細(xì)節(jié)時(shí)不建議使用均值濾波

均值濾波處理函數(shù)如下：

cv2.blur(scr, ksize)

其中的兩個(gè)參數(shù)分別為：

（1）“scr”，要處理的圖像

（2） “ksize”，濾波核的大小，它是一個(gè)表示寬度和高度的元組。例如，(3, 3)表示一個(gè)3*3的濾波核

（二）高斯濾波

高斯濾波就是對(duì)圖像的所有像素點(diǎn)進(jìn)行加權(quán)平均，即以一個(gè)方形區(qū)域?yàn)閱挝唬瑢⑵渲行南袼攸c(diǎn)賦值為該區(qū)域的加權(quán)平均值：

23*0.05+98*0.1+168*0.05+46*0.1+235*0.4+2*0.1+67*0.5+55*0.1+211*0.05 = 137

高斯濾波考慮了像素周圍鄰域的距離，使得離中心像素更近的像素具有更高的權(quán)重，可以有效地去除噪聲，同時(shí)保留圖像的邊緣和細(xì)節(jié)

高斯濾波處理函數(shù)如下：

cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)

其中的五個(gè)參數(shù)分別為：

（1）“src”，要處理的圖像

（2）“ksize”，高斯濾波核的大小，它是一個(gè)表示寬度和高度的元組。例如，(3, 3)表示一個(gè)3*3的濾波核

（3）“sigmaX”， X方向的高斯核標(biāo)準(zhǔn)差，通常可以寫為0或者不寫

（4）“sigmaY”， Y方向的高斯核標(biāo)準(zhǔn)差，如果sigmaY為0，則默認(rèn)與sigmaX相同

（5）“borderType”，邊界處理類型，用于處理濾波核超出圖像邊界的情況

（三）中值濾波

中值濾波就是對(duì)圖像的所有像素點(diǎn)進(jìn)行取中值，即以一個(gè)方形區(qū)域?yàn)閱挝?，將其中心像素點(diǎn)賦值為該區(qū)域的中值。例如下圖所示3*3矩形中：2、23、46、55、67、98、168、211、235，其中67為中值，所以將中心設(shè)置為67

中值濾波是一種非線性濾波方法，對(duì)于去除椒鹽噪聲等椒鹽噪聲非常有效，但可能會(huì)導(dǎo)致圖像細(xì)節(jié)的模糊。

中值濾波處理函數(shù)如下：

cv2.medianBlur(src, ksize)

（1）“scr”，要處理的圖像

（2） “ksize”，濾波核的大小，它是一個(gè)表示寬度和高度的元組。例如，(3, 3)表示一個(gè)3*3的濾波核

三、完整應(yīng)用代碼

三種濾波方法的具體應(yīng)用代碼如下：

import cv2

# 圖像讀取
img = cv2.imread('noise.jpg')

# 圖像平滑
blur1 = cv2.blur(img, (5, 5))               # 均值濾波
blur2 = cv2.GaussianBlur(img, (5, 5), 1)    # 高斯濾波
blur3 = cv2.medianBlur(img, 5)              # 中值濾波

# 圖像顯示
cv2.imshow('image1', img)
cv2.imshow('image2', blur1)
cv2.imshow('image3', blur2)
cv2.imshow('image4', blur3)
cv2.waitKey(0)
cv2.destroyAllWindows()

到此這篇關(guān)于OpenCV平滑處理的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)OpenCV平滑處理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: