Opencv图像增加白噪声 opencv图像模糊处理

学习目标：

• 使用自定义的滤波器对图像进行卷积(2D 卷积)
• 学习使用不同的低通滤波器对图像进行模糊

一、2D卷积

卷积不是很了解的可以看我上一篇博客，与语音信号一样,我们也可以对 2D 图像实施低通滤波(LPF),高通滤波(HPF)等。低通滤波器就是允许低频信号通过，在图像中边缘和噪点都相当于高频部分，所以低通滤波器用于去除噪点、平滑和模糊图像。高通滤波器则反之，用来增强图像边缘，进行锐化处理。

        2D卷积其本质上也是一个加权平均的过程，openCV提供cv2.filter2D(src ,deepth,kernel)函数进行2D卷积，其中kernel是我们需要提供的卷积核，卷积核一般为一个奇数级的矩阵，其中所有元素的和为1，deepth一般为-1.

import cv2
import numpy as np
img = cv2.imread('/home/wl/le.jpeg',1)
kernel = np.ones((5,5),np.float32)/25
dst = cv2.filter2D(img,-1,kernel)
while(1):
    cv2.imshow('opencv',dst)
    k = cv2.waitKey(1)& 0XFF
    if k == ord('q'):
        break
cv2.imwrite('/home/wl/1.jpg',dst)
cv2.destroyAllWindows()

原图：

卷积图：

二、图像模糊

但其本质上还是在卷积。

（1）平均

        Cv2.blur(src ,size)可以用于实现最简单的平均卷积操作，原理和上面2D卷积一样，只需要提供一个size数组，该数组包含卷积核的长度和宽度即可。

import cv2
img = cv2.imread('/home/wl/le.jpeg',1)
dst = cv2.blur(img,(5,5))
while(1):
    cv2.imshow('opencv',dst)
    k = cv2.waitKey(1)& 0XFF
    if k == ord('q'):
        break
cv2.imwrite('/home/wl/1.jpg',dst)
cv2.destroyAllWindows()

（2）高斯模糊

        现在把卷积核换成高斯核(简单来说,方框不变,将原来每个方框的值是相等的,现在里面的值是符合高斯分布的,方框中心的值最大,其余方框根据距离中心元素的距离递减,构成一个高斯小山包。原来的求平均数现在变成求加权平均数,全就是方框里的值)。实现的函数是 cv2.GaussianBlur(src ,size ,标准差)。我们需要指定高斯核的宽和高(必须是奇数)。以及高斯函数沿 X,Y 方向的标准差。如果我们只指定了 X 方向的的标准差,Y 方向也会取相同值。如果两个标准差都是 0,那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从图像中去除高斯噪音。如果你愿意的话,你也可以使用函数 cv2.getGaussianKernel() 自己构建一个高斯核。

import cv2
img = cv2.imread('/home/wl/le.jpeg',1)
dst = cv2.GaussianBlur(img,(5,5),2)
while(1):
    cv2.imshow('opencv',dst)
    k = cv2.waitKey(1)& 0XFF
    if k == ord('q'):
        break
cv2.imwrite('/home/wl/1.jpg',dst)
cv2.destroyAllWindows()

（3）中值模糊

使用cv2.medianBlur(img,size)即可实现中值模糊。

import cv2
img = cv2.imread('/home/wl/le.jpeg',1)
dst = cv2.medianBlur(img,7)
while(1):
    cv2.imshow('opencv',dst)
    k = cv2.waitKey(1)& 0XFF
    if k == ord('q'):
        break
cv2.imwrite('/home/wl/1.jpg',dst)
cv2.destroyAllWindows()

（4）双边滤波

使用cv2.bilateralFilter(src ,size,空间标准差，灰度值标准差)可以实现双边滤波。