文章目录
图像过滤的本质·简要——滤波
实现图像模糊的opencv方法/操作
平均模糊的实现(2D卷积)
实现的函数参数讲解
代码实例
常用的模糊方法
平滑模糊(也就是平均模糊)
实现方法以及参数
代码示例——采用cv.blur()
代码实例——采用cv.boxFilter()
高斯模糊
实现方法以及参数
代码示例
中位模糊
实现方法以及参数
代码示例
双边过滤
实现方法以及参数
代码示例
锚点含义简要补充(为了方便理解内容引入,对于opencv中的锚点不尽相同)
边缘像素处理方法可选参数(仅仅展示部分,不做过多说明)
QQ:3020889729 小蔡
图像过滤的本质·简要——滤波
我们对于一维数据或者说信号,我们通常有许多的处理方法——而其中对信号滤波处理是为了数据更为理想所必要的。对于一维的信息滤波——有低通(LPF)和高通(HPF)。低通,通常用来去噪等操作。 到这里,可以顺着思路想到二维图像呢?当然啦,同样的,二维图像也是有属于自己的同一维一样的滤波形式——低通用于除去图像的噪点和实现模糊图像,而高通可以用来实现边缘查找(这个在后边介绍。) ——滤波简单介绍:用一维的信号来说吧 滤波电路——实现相应频率的输出/控制: 即只允许一定频率范围内的信号成分正常通过,而阻止另一部分频率成分通过的电路(也叫做经典滤波器)。——这样的只允许一部分满足条件的信号/数据得以展现/或者说有效,就是滤波的基本体现。
实现图像模糊的opencv方法/操作
主要步骤为:
1.设置内核——也就是模糊因子——一个矩阵形状的数据
2.将内核与原图像作相应的运算——这个运算包含在cv. filter2D()或其它的一些函数/方法
(具体方法在后边对应问题列出——主要是基本方法的实现。)
平均模糊的实现(2D卷积)
cv. filter2D()——这里使用的卷积函数实际上知识直接计算——并未真的实现卷积,若是真要卷积的话需要对内核提前进行cv.flip翻转内核才行。 计算方法如下:x,y为输入图像的数据。 ~kernel是内核
前往锚点含义补充 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200317212148744.png)
|