# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv


def image_blur(image_path: str):
    """
    圖像卷積操作：設(shè)置卷積核大小，步距
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 模糊操作（類似卷積），第二個參數(shù)ksize是設(shè)置模糊內(nèi)核大小
    result = cv.blur(img, (5, 5))
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_blur(path)

結(jié)果展示：

OpenCV-Python圖像模糊處理_opencv_02

高斯濾波

高斯濾波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函數(shù)。

說明：sigmaX,sigmaY分別表示 X,Y 方向的標(biāo)準(zhǔn)偏差。如果僅指定了sigmaX，則sigmaY與sigmaX相同；如果兩者都為零，則根據(jù)內(nèi)核大小計算它們。

特征：核中區(qū)域貢獻(xiàn)率與距離區(qū)域中心成正比，權(quán)重與高斯分布相關(guān)。

作用：高斯模糊在從圖像中去除高斯噪聲方面非常有效。

def image_conv(image_path: str):
    """
    高斯模糊
    :param image_path:
    :return:
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('img', img)
    # 高斯卷積（高斯濾波）， 可以設(shè)置ksize，必須為奇數(shù)，不為0時，后面的步驟不起作用；也可以設(shè)置成（0，0），然后通過sigmaX和sigmaY計算標(biāo)準(zhǔn)偏差
    result = cv.GaussianBlur(img, (0, 0), 15)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_conv(path)

結(jié)果展示：

OpenCV-Python圖像模糊處理_opencv_03

高斯雙邊濾波

雙邊濾波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函數(shù)。

說明：d為鄰域直徑，sigmaColor為空間高斯函數(shù)標(biāo)準(zhǔn)差，參數(shù)越大，臨近像素將會在越遠(yuǎn)的地方越小。

sigmaSpace灰度值相似性高斯函數(shù)標(biāo)準(zhǔn)差，參數(shù)越大，那些顏色足夠相近的的顏色的影響越大。

雙邊濾波是一種非線性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空間與信息和灰度相似性，達(dá)到保邊去噪的目的，具有簡單、非迭代、局部處理的特點。之所以能夠達(dá)到保邊去噪的濾波效果是因為濾波器由兩個函數(shù)構(gòu)成：一個函數(shù)是由幾何空間距離決定濾波器系數(shù)，另一個是由像素差值決定濾波器系數(shù)。

特征：處理耗時。作用：在濾波的同時能保證一定的邊緣信息。

# 邊緣保留濾波器——高斯雙邊模糊
def image_bifilter(image_path: str):
    """
    高斯雙邊模糊
    :param image_path: 圖片文件
    :return: 無返回值
    """
    img = cv.imread(image_path, cv.IMREAD_COLOR)
    cv.imshow('input', img)
    # 第三個參數(shù)是設(shè)置色彩、第四個參數(shù)是設(shè)置圖像坐標(biāo)
    result = cv.bilateralFilter(img, 0, 50, 10)
    cv.imshow('result', result)

    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == '__main__':
    path = 'images/2.png'
    image_bifilter(path)

結(jié)果展示：

OpenCV-Python圖像模糊處理_卷積_04