Python OpenCV 边缘滤波保留(EPF)

举报
梦想橡皮擦 发表于 2021/09/18 09:19:06 2021/09/18
【摘要】 Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。 基础知识铺垫前几篇博客学习到的各种模糊都属于卷积操作,它们存在一个共同点,模糊之后图像的边缘信息不再存在。本篇博客学习的边缘保留滤波算法(EPF),是一种能通过卷积处理实现模糊图像的同时,又不会对图像边缘造成破坏,并且卷积操作之后的图像,可以完整保存图像整体边缘。具体实现分为:高斯双边滤波,均值迁移滤波原理不在细说...

Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。

基础知识铺垫

前几篇博客学习到的各种模糊都属于卷积操作,它们存在一个共同点,模糊之后图像的边缘信息不再存在。

本篇博客学习的边缘保留滤波算法(EPF),是一种能通过卷积处理实现模糊图像的同时,又不会对图像边缘造成破坏,并且卷积操作之后的图像,可以完整保存图像整体边缘。

具体实现分为:高斯双边滤波,均值迁移滤波

原理不在细说,属于数学知识,先用起来,等需要的时候,在反推数学基础知识。

橡皮擦学到这时的第一个感觉就是,放弃吧,根本不知道这些内容用在哪里!

函数原型介绍

高斯双边滤波

双边滤波函数原型如下:

dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])

参数说明:

  • src:输入图像;
  • d:过滤过程中每个像素邻域的直径范围。如果不是正数,则函数会从参数 sigmaSpace 计算该值;
  • sigmaColor:颜色空间过滤器的 sigma 值,参数的值越大,表明该像素邻域内有越宽广的颜色会被混合到一起,产生较大的半等色区域;
  • sigmaSpace:坐标空间中滤波器的 sigma 值,如果该值较大,则意味着越远的像素将相互影响,从而使更大的区域中足够相似的颜色获取相同的颜色。当 d>0 时,d 指定了邻域大小且与 sigmaSpace 无关,否则 d 正比于 sigmaSpace。
  • dst:和源图象相同大小、相同格式的输出图象;

一般将 sigmaSpace 设置大一些,sigmaColor 设置小一些,最终呈现的效果较好。

优缺点:
双边滤波,可很好的保存图像边缘细节,并且过滤掉低频分量的噪音,但是双边滤波效率不是很高,花费时间比其他滤波器较长。

测试代码如下,先掌握函数基本使用再说。

import cv2 as cv
import numpy as np

# 双边滤波
def bilater(image):
    # 第三个参数大一点(color),第四个小一点(space)
    dst = cv.bilateralFilter(image, 0, 100, 15)
    cv.namedWindow("dst")
    cv.imshow("dst", dst)

src = cv.imread("./123.jpg")
cv.namedWindow('src')
cv.imshow('src', src)

bilater(src)

cv.waitKey(0)
cv.destroyAllWindows()

运行效果,有点美颜磨皮的效果了,不过效果还不是很好,估计是参数的问题。

均值迁移滤波

均值迁移算法是一种通用的聚类算法,它的基本原理是:

对于给定的一定数量样本,任选其中一个样本,以该样本为中心点划定一个圆形区域,求取该圆形区域内样本的质心,即密度最大处的点,再以该点为中心继续执行上述迭代过程,直至最终收敛。(没看太明白,大概了解一下即可)

函数原型如下:

dst = cv2.pyrMeanShiftFiltering(src, sp, sr[, dst[, maxLevel[, termcrit]]])

参数说明:

  • src:输入图像,8 位 3 通道图像;
  • sp:迁移物理空间半径大小;
  • sr:迁移色彩空间半径大小;
  • dst:可选参数,和源图象相同大小、相同格式的输出图象;
  • maxLevel:可选参数,金字塔的最大层数;
  • termcrit:可选参数,迁移迭代终止条件,可以设置为迭代次数满足终止,迭代目标与中心点偏差满足终止,或者两者的结合。

所有参数中,spsr 必选,二者设置的值越大,对图像色彩的平滑效果越明显,同时函数耗时越多。

测试代码如下:

import cv2 as cv
import numpy as np

# 双边滤波
def bilater(image):
    # 第三个参数大一点(color),第四个小一点(space)
    dst = cv.bilateralFilter(image, 0, 100, 15)
    cv.namedWindow("dst")
    cv.imshow("dst", dst)

# 均值迁移滤波
def pyrmeanshift(src):
    dst = cv.pyrMeanShiftFiltering(src, 10, 50)
    cv.imshow("dst", dst)

src = cv.imread("./123.jpg")
cv.namedWindow('src')
cv.imshow('src', src)

pyrmeanshift(src)

cv.waitKey(0)
cv.destroyAllWindows()

运行效果,有点像油画的效果。

橡皮擦的小节

最近有小伙伴给橡皮擦发私信询问:“橡皮擦,我们这样不学习原理就 CALL 函数,能学会 OpenCV 吗?”

“放心,没有问题,365 天路还长着呢”

坚持吧,橡皮擦给这种学习形式命名为“上帝视角学习法”

先用最简单的办法,把 OpenCV 中的知识点都过一遍,掌握全局概念之后,在细究里面每一个细节点

如果每一个知识都钻牛角尖,天天都是难点,你很难坚持下去。

1 个小时又过去了,对 Python OpenCV 相关的知识点,你掌握了吗?

做为初学者,还有很多地方学习的不深入,希望你与我一起坚持下去。

相关阅读


  1. Python 爬虫 100 例教程,超棒的爬虫教程,立即订阅吧
  2. Python 爬虫小课,精彩 9 讲

今天是持续写作的第 63 / 100 天。
如果你有想要交流的想法、技术,欢迎在评论区留言。


如果你想跟博主建立亲密关系,可以关注同名公众号 梦想橡皮擦,近距离接触一个逗趣的互联网高级网虫。
博主 ID:梦想橡皮擦,希望大家点赞评论收藏

【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200