OpenCV（python）一键入门--第九篇（快速边缘滤波&自定义滤波）

1：快速的图像边缘滤波算法

因为高斯双边，mean shift主要使用的五维向量计算
其计算量较大、运行速度慢，无法实时完成图像边缘保留滤波。

“快速的图像边缘滤波”适合实时图像边缘保留滤波。
通过等价变换到低纬度的空间
实现数据降维与快速计算

import cv2 as cv
import numpy as np

src = cv.imread("ma.jpg")
cv.imshow("input", src)

h, w = src.shape[:2]
dst = cv.edgePreservingFilter(src, sigma_s=100, sigma_r=0.4, flags=cv.RECURS_FILTER)

#dst	= cv.edgePreservingFilter(	src[, dst[, flags[, sigma_s[, sigma_r]]]])
#sigma_s的取值范围为0～200， sigma_r的取值范围为0～1
#当sigma_s取值不变时，sigma_r越大，图像滤波效果越明显
#当sigma_r取值不变时，窗口sigma_s越大，图像模糊效果越明显
#当sgma_r取值很小时，窗口sigma_s无论取何值，图像双边滤波效果都差

cv.imshow("dst",dst)

cv.waitKey(0)
cv.destroyAllWindows()

效果如下：

2：自定义滤波器

也就是自定义卷积核实现自定义滤波

import cv2 as cv
import numpy as np
#自定义滤波器
src = cv.imread("ma.jpg")
cv.imshow("input", src)

#以下是三种效果较好的自定义滤波器
#分别实现  均值模糊  锐化  梯度
blur_op = np.ones([5, 5], dtype=np.float32)/25.
shape_op = np.array([[0, -1, 0],
                    [-1, 5, -1],
                    [0, -1, 0]], np.float32)
grad_op = np.array([[1, 0],
                    [0, -1]], dtype=np.float32)

dst1 = cv.filter2D(src, -1, blur_op)
dst2 = cv.filter2D(src, -1, shape_op)
dst3 = cv.filter2D(src, cv.CV_32F, grad_op)  #图像 深度 自定义卷积核
dst3 = cv.convertScaleAbs(dst3)#将结果转为字节类型

cv.imshow("blur 5x5", dst1);
cv.imshow("shape 3x3", dst2);
cv.imshow("gradient 2x2", dst3);

cv.waitKey(0)
cv.destroyAllWindows()

函数原型：

dst=cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])  #函数原型

其中ddepth包含有关图像中存储的数据类型的信息，可以是unsigned char（CV_8U），signed char（CV_8S），unsigned short（CV_16U）……

当ddepth=-1时，表示输出图像与原图像有相同的深度。

效果如下：