Python+OpenCV：图像平滑

╰半夏微凉° 2022-12-21 04:41 209阅读 0赞

## 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) / 25
        filter_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

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70][]

### 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

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 4][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70]: /images/20221120/606ee49e52a24f8dba14814d36e8f960.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 1]: /images/20221120/61d01f1b4c2449f1953e28a4d5fd4c79.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 2]: /images/20221120/749e0715361b4df28e6b6c9ffb45bd0c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 3]: /images/20221120/38436e53b75e47b5b789647b25c016d1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70 4]: /images/20221120/556759f487d84eacbc72ed5b6313aeae.png