摘要：卷積與一維信號一樣，圖像也可以使用各種低通濾波器，高通濾波器等進行濾波有助于消除噪聲，模糊圖像等濾波器有助于找到邊緣圖片將內(nèi)核與圖像進行卷積應(yīng)用對圖像進行平均過濾。它只取內(nèi)核區(qū)域下所有像素的平均值并替換中心元素。

Smoothing Images

與一維信號一樣，圖像也可以使用各種低通濾波器（LPF），高通濾波器（HPF）等進行濾波.LPF有助于消除噪聲，模糊圖像等.HPF濾波器有助于找到邊緣圖片.

cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])：將內(nèi)核與圖像進行卷積

對圖像進行平均過濾。 一個5x5的平均濾波器內(nèi)核可以定義如下：

$$ K=frac{1}{25} left[ egin{matrix} 1 & 1 & 1 & 1 & 1 1 & 1 & 1 & 1 & 1 1 & 1 & 1 & 1 & 1 1 & 1 & 1 & 1 & 1 1 & 1 & 1 & 1 & 1 end{matrix} ight] $$

將此內(nèi)核保持在像素上方，添加該內(nèi)核下方的所有25個像素，取其平均值并用新的平均值替換中心像素.
代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img.jpg")
kernel = np.ones((5,5),np.float32)/25
dst = cv2.filter2D(img,-1,kernel)

plt.subplot(121),plt.imshow(img),plt.title("Original")
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(dst),plt.title("Averaging")
plt.xticks([]), plt.yticks([])
plt.show()

通過將圖像與低通濾波器內(nèi)核卷積來實現(xiàn)圖像模糊.它有助于消除噪音.它實際上從圖像中去除了高頻內(nèi)容（例如：噪聲，邊緣）.因此在此操作中邊緣會模糊一點.（有模糊的技術(shù)，也不會模糊邊緣）.OpenCV主要提供四種模糊技術(shù).

過將圖像與標(biāo)準(zhǔn)化的盒式過濾器進行卷積來完成的。它只取內(nèi)核區(qū)域下所有像素的平均值并替換中心元素。這是由函數(shù)cv2.blur（）或cv2.boxFilter（）完成的,3x3標(biāo)準(zhǔn)化的盒式過濾器如下所示：

$$ K=frac{1}{9} left[ egin{matrix} 1 & 1 & 1 1 & 1 & 1 1 & 1 & 1 end{matrix} ight] $$

NOTE:
如果不想使用規(guī)范化的框過濾器，請使用cv2.boxFilter（）.將參數(shù)normalize = False傳遞給函數(shù).

使用5x5大小的內(nèi)核進行圖像平滑：
代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img.jpg")
blur = cv2.blur(img,(5,5))

plt.subplot(121),plt.imshow(img),plt.title("Original")
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title("Blurred")
plt.xticks([]), plt.yticks([])
plt.show()

cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])

應(yīng)該指定內(nèi)核的寬度和高度，它應(yīng)該是正數(shù)和奇數(shù).

還應(yīng)該分別指定X和Y方向的標(biāo)準(zhǔn)偏差sigmaX和sigmaY.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.

高斯模糊在從圖像中去除高斯噪聲方面非常有效

可以使用函數(shù)cv2.getGaussianKernel（）創(chuàng)建高斯內(nèi)核

代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img.jpg")
blur = cv2.GaussianBlur(img,(5,5),0)

plt.subplot(121),plt.imshow(img),plt.title("Original")
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title("Blurred")
plt.xticks([]), plt.yticks([])
plt.show()

cv2.medianBlur(src, ksize[, dst])：內(nèi)核區(qū)域下所有像素的中值，并用該中值替換中心元素.對圖像中的椒鹽噪聲非常有效.其內(nèi)核大小應(yīng)為正整數(shù)

代碼

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img7.png")
blur = cv2.medianBlur(img,5)

plt.subplot(121),plt.imshow(img),plt.title("Original")
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title("Blurred")
plt.xticks([]), plt.yticks([])
plt.show()

cv2.bilateralFilter（）在降低噪音方面非常有效，同時保持邊緣清晰,但與其他過濾器相比，操作速度較慢.

NOTE:

高斯濾波器采用像素周圍的鄰域并找到其高斯加權(quán)平均值. 該高斯濾波器僅是空間的函數(shù)，即在濾波時考慮附近的像素, 沒有考慮像素是否具有幾乎相同的強度,不考慮像素是否是邊緣像素,所以它也模糊了邊緣.

雙邊濾波器在空間中也采用高斯濾波器，但是還有一個高斯濾波器是像素差的函數(shù).空間的高斯函數(shù)確保僅考慮附近的像素用于模糊，而強度差的高斯函數(shù)確保僅考慮具有與中心像素相似的強度的像素用于模糊,因此它保留了邊緣，因為邊緣處的像素將具有較大的強度變化.

代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img.jpg")
blur = cv2.bilateralFilter(img,9,75,75)

plt.subplot(121),plt.imshow(img),plt.title("Original")
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title("Blurred")
plt.xticks([]), plt.yticks([])
plt.show()