图像预处理之opencv卷积/滤波api

  • 2022-07-15 22:38:17

目录

一、空间域处理

1.基于领域的卷积滤波变换

(1)、平滑均值滤波/卷积

(2)、平滑中值滤波/卷积

(3)、自定义过滤器卷积

(4)、平滑高斯滤波/卷积

(5)、梯度Prewitt滤波/卷积

(6)、梯度Sobel滤波/卷积

(7)、梯度Laplacian滤波/卷积

二、频率域处理


一、空间域处理

1.基于领域的卷积滤波变换

(1)、平滑均值滤波/卷积

        破坏了图像的细节使图像变得模糊,同时不能很好的去除噪声

图像预处理之opencv卷积/滤波api

def blur_demo(image):
    dst = cv.blur(image, (5, 5))
    cv.imshow("blur_demo", dst)

图像预处理之opencv卷积/滤波api

 

(2)、平滑中值滤波/卷积

中值滤波对降噪能起到很好的作用,同时尽可能保留图像的细节

        图像预处理之opencv卷积/滤波api

def median_blur_demo(image):
    dst = cv.medianBlur(image, 5)
    cv.imshow("median_blur_demo", dst)

图像预处理之opencv卷积/滤波api

(3)、自定义过滤器卷积

def custom_blur_demo(image):
    #kernel = np.ones([5, 5], np.float32)/25
    kernel = np.array([[0, -1, 0],[-1, 5, -1],[0, -1, 0]], np.float32)
    dst = cv.filter2D(image, -1, kernel=kernel)
    cv.imshow("custom_blur_demo", dst)

图像预处理之opencv卷积/滤波api

图像预处理之opencv卷积/滤波api

  • (左)移位

图像预处理之opencv卷积/滤波api

  • 锐化

图像预处理之opencv卷积/滤波api

(4)、平滑高斯滤波/卷积

  1. 模拟人眼(离关注中心越远,精度越模糊),关注中心区域。有效的去除高斯噪声
  2. 图像预处理之opencv卷积/滤波api越小关注区域越集中
blur_1 = cv2.GaussianBlur(img,(5,5),0)#高斯滤波(5, 5)表示高斯矩阵的长与宽都是5,标准差取0

(5)、梯度Prewitt滤波/卷积

图像预处理之opencv卷积/滤波api

图像预处理之opencv卷积/滤波api

(6)、梯度Sobel滤波/卷积

图像预处理之opencv卷积/滤波api

图像预处理之opencv卷积/滤波api

sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)#Sobel算子为边沿检测中常用的算子之一,Sobel 算子计算一阶、二阶、三阶或混合图像差分
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)

(7)、梯度Laplacian滤波/卷积

  1. 团块检测:周边高于(低于)中心点
  2. 边缘检测:像素值快速变化的区域

图像预处理之opencv卷积/滤波api图像预处理之opencv卷积/滤波api

laplacian = cv.Laplacian(img,cv.CV_64F)#对图像求二阶导数,一般用于边缘突出,在边缘检测中应用为Laplacian滤波

二、频率域处理

 

猜你喜欢