目標

• 學(xué)習(xí)使用不同的低通濾波器對圖像進行模糊

• 使用自定義的濾波器對圖像進行卷積(2D卷積)

2D卷積

????????與以為信號一樣，我們也可以對2D圖像實施低通濾波(LPF ),高通濾波( HPF )等。LPF幫助我們?nèi)コ胍?，模糊圖像。HPF幫助我們找到圖像的邊緣OpenCV提供的函數(shù)cv.flter2D()可以讓我們對一幅圖像進行卷積操作。下面我們將對一幅圖像使用平均濾波器。下面是一個 5x5的平均濾波器核:

????????操作如下:將核放在圖像的一個像素A上,求與核對應(yīng)的圖像上25( 5x5 )個像素的和，在取平均數(shù)，用這個平均數(shù)替代像素A的值。重復(fù)以上操作直到將圖像的每一個像素值都更新一邊。 代碼如下，運行一下吧。

結(jié)果：

????????使用低通濾波器可以達到圖像模糊的目的。這對與去除噪音很有幫助。其實就是去除圖像中的高頻成分(比如:噪音,邊界)。所以邊界也會被模糊一點。(當然，也有-些模糊技術(shù)不會模糊掉邊界)。OpenCV 提供了四種模糊技術(shù)。

1、平均

????????這是由一個歸一化卷積框完成的。他只是用卷積框覆蓋區(qū)域所有像素的平均值來代替中心元素?？梢允褂煤瘮?shù)CV2.blur()和CV2.boxFilter()來完這個任務(wù)?？梢酝床榭次臋n了解更多卷積框的細節(jié)。我們需要設(shè)定卷積框的寬和高。下面是一個3x3的歸一化卷積框:

注意：如果你不想使用歸一化卷積框，你應(yīng)該使用CV2.boxFilter()，這時要傳入?yún)?shù)normalize=False。

下面與第一部分一樣的一個例子：

結(jié)果：

2、高斯模糊

????????現(xiàn)在把卷積核換成高斯核(簡單來說，方框不變，將原來每個方框的值是相等的，現(xiàn)在里面的值是符合高斯分布的，方框中心的值最大，其余方框根據(jù)距離中心元素的距離遞減，構(gòu)成一個高斯小山包。原來的求平均數(shù)現(xiàn)在變成求加權(quán)平均數(shù)，全就是方框里的值)。實現(xiàn)的函數(shù)是CV2.GaussianBlur()。我們需要指定高斯核的寬和高(必須是奇數(shù))。以及高斯函數(shù)沿X, Y方向的標準差。如果我們只指定了X方向的的標準差，Y方向也會取相同值。如果兩個標

準差都是0，那么函數(shù)會根據(jù)核函數(shù)的大小自己計算。高斯濾波可以有效的從圖像中去除高斯噪音。如果你愿意的話，你也可以使用函數(shù)CV2.getGaussianKernel()自己構(gòu)建一個高斯核。

????????如果要使用高斯模糊的話，上邊的代碼應(yīng)該寫成:

結(jié)果一樣，換個圖片，防止審美疲勞~：

3、中值模糊

????????顧名思義就是用與卷積框?qū)?yīng)像素的中值來替代中心像素的值。這個濾波器經(jīng)常用來去除椒鹽噪聲。前面的濾波器都是用計算得到的一個新值來取代中心像素的值，而中值濾波是用中心像素周圍(也可以使他本身)的值來取代他。他能有效的去除噪聲。卷積核的大小也應(yīng)該是一個奇數(shù)。在這個例子中，我們給原始圖像加上50%的噪聲然后再使用中值模糊。

如何添加噪聲？ 請看這里:

代碼:

結(jié)果如下：

4、雙邊濾波

????????函數(shù)CV2.bilateralFilter()能在保持邊界清晰的情況下有效的去除噪音。但是這種操作與其他濾波器相比會比較慢。我們已經(jīng)知道高斯濾波器是求中心點鄰近區(qū)域像素的高斯加權(quán)平均值。這種高斯濾波器只考慮像素之間的空間關(guān)系，而不會考慮像素值之間的關(guān)系(像素的相似度)。所以這種方法不會考慮一個像素是否位于邊界。因此邊界也會別模糊掉，而這正不是我們想要。雙邊濾波在同時使用空間高斯權(quán)重和灰度值相似性高斯權(quán)重。空間高斯函數(shù)確保只有鄰近區(qū)域的像素對中心點有影響，灰度值相似性高斯函數(shù)確保只有與中心像素灰度值相近的才會被用來做模糊運算。所以這種方法會確保邊界不會被模糊掉，因為邊界處的灰度值變化比較大。

想要詳細了解雙邊濾波及示例源碼，請看這里：

進行雙邊濾波的代碼如下:

結(jié)果：

可以看到，雙邊濾波對邊緣信息有較好的保留，但是不能較好的消除噪聲。