当前位置: 首页 > news >正文

海安做网站的公司新闻类网站模板

海安做网站的公司,新闻类网站模板,网络服务器系统是什么,网络推广方案模板Python-OpenCV中的图像处理-图像平滑 图像平滑平均滤波高斯模糊中值模糊双边滤波 图像平滑 使用低通滤波器可以达到图像模糊的目的。这对与去除噪音很有帮助。其实就是去除图像中的高频成分(比如:噪音,边界)。所以边界也会被模糊…

Python-OpenCV中的图像处理-图像平滑

  • 图像平滑
    • 平均滤波
    • 高斯模糊
    • 中值模糊
    • 双边滤波

图像平滑

使用低通滤波器可以达到图像模糊的目的。这对与去除噪音很有帮助。其实就是去除图像中的高频成分(比如:噪音,边界)。所以边界也会被模糊一点。(当然,也有一些模糊技术不会模糊掉边界)。

平均滤波

这是由一个归一化卷积框完成的。他只是用卷积框覆盖区域所有像素的平均值来代替中心元素。可以使用函数 cv2.blur() 和 cv2.boxFilter() 来完这个任务。可以同看查看文档了解更多卷积框的细节。我们需要设定卷积框的宽和高。
一个3x3的归一化卷积框:
K = 1 9 [ 1 1 1 1 1 1 1 1 1 ] K=\frac{1}{9}\left[\begin{matrix} 1&1&1 \\1&1&1\\1&1&1\end{matrix}\right] K=91 111111111
注意:如果不想使用归一化卷积框,你应该使用 cv2.boxFilter(),这时要传入参数 normalize=False。
dst=cv2.boxFilter(src,ddepth,ksize)

import numpy as np
import cv2
from matplotlib import pyplot as plt# 在图片上生成椒盐噪声
def add_peppersalt_noise(image, n=10000):result = image.copy()# 测量图片的长和宽w, h, = image.shape[:2]# 生成n个椒盐噪声for i in range(n):x = np.random.randint(1, w)y=  np.random.randint(1, h)if np.random.randint(0, 2) == 0 :result[x, y] = 0else:result[x,y] = 255return result# 平均
# 这是由一个归一化卷积框完成的,
# cv2.blur()和cv2.boxFiter()来实现。
img = cv2.imread('./resource/opencv/image/logo/opencv-logo-white.png', cv2.IMREAD_COLOR)# 原图添加椒盐噪声
saltnoise_img = add_peppersalt_noise(img, 10000)blur = cv2.blur(saltnoise_img, (5,5))
boxfilter = cv2.boxFilter(saltnoise_img, -1, (3,3))
# boxfilter = cv2.boxFilter(saltnoise_img, -1, (3,3), normalize=0)plt.subplot(221), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title('origin'), plt.xticks([]), plt.yticks([])
plt.subplot(222), plt.imshow(cv2.cvtColor(saltnoise_img, cv2.COLOR_BGR2RGB)), plt.title('add noise'), plt.xticks([]), plt.yticks([])
plt.subplot(223), plt.imshow(cv2.cvtColor(blur, cv2.COLOR_BGR2RGB)), plt.title('blur'), plt.xticks([]), plt.yticks([])
plt.subplot(224), plt.imshow(cv2.cvtColor(boxfilter, cv2.COLOR_BGR2RGB)), plt.title('boxfilter'), plt.xticks([]), plt.yticks([])
plt.show()

在这里插入图片描述

高斯模糊

现在把卷积核换成高斯核(简单来说,方框不变,将原来每个方框的值是相等的,现在里面的值是符合高斯分布的,方框中心的值最大,其余方框根据距离中心元素的距离递减,构成一个高斯小山包。原来的求平均数现在变成求加权平均数,全就是方框里的值)。实现的函数是 cv2.GaussianBlur()。我们需要指定高斯核的宽和高(必须是奇数)。以及高斯函数沿 X, Y 方向的标准差。如果我们只指定了 X 方向的的标准差, Y 方向也会取相同值。如果两个标准差都是 0,那么函数会根据核函数的大小自己计算。高斯滤波可以有效的从图像中去除高斯噪音。如果你愿意的话,你也可以使用函数 cv2.getGaussianKernel() 自己构建一个高斯核。

import numpy as np
import cv2
from matplotlib import pyplot as plt# 高斯模糊
# 卷积核换成高斯核,即方框不变,将原来方框相等的值,换成符合高斯分部的值,方框中心值最大,其余值递减,构成一个高斯小山包
# 高斯核的宽和高必须是奇数# 在图片上生成椒盐噪声
def add_peppersalt_noise(image, n=10000):result = image.copy()# 测量图片的长和宽w, h, = image.shape[:2]# 生成n个椒盐噪声for i in range(n):x = np.random.randint(1, w)y=  np.random.randint(1, h)if np.random.randint(0, 2) == 0 :result[x, y] = 0else:result[x,y] = 255return result# 获取高斯核
k1 = cv2.getGaussianKernel(3, 1)
k2 = cv2.getGaussianKernel(5,2)
print(k1)
print(k2)# 彩色图像高斯模糊
img = cv2.imread('./resource/opencv/image/logo/opencv-logo-white.png', cv2.IMREAD_COLOR)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGBA)
img = add_peppersalt_noise(img)
dst1 = cv2.GaussianBlur(img, (5,5), 0)# 灰度图像高斯模糊
gray = cv2.imread('./resource/opencv/image/logo/opencv-logo-white.png', cv2.IMREAD_GRAYSCALE)
gray = add_peppersalt_noise(gray)
dst2 = cv2.GaussianBlur(gray, (5,5), 0)plt.subplot(221), plt.imshow(img, 'gray'), plt.title('original'), plt.xticks([]), plt.yticks([])
plt.subplot(222), plt.imshow(dst1, 'gray'), plt.title('gaussianBlur'), plt.xticks([]), plt.yticks([])
plt.subplot(223), plt.imshow(gray, 'gray'), plt.title('gray'), plt.xticks([]), plt.yticks([])
plt.subplot(224), plt.imshow(dst2, 'gray'), plt.title('gaussianBlur'), plt.xticks([]), plt.yticks([])
plt.show()

在这里插入图片描述

中值模糊

顾名思义就是用与卷积框对应像素的中值来替代中心像素的值。这个滤波器经常用来去除椒盐噪声。前面的滤波器都是用计算得到的一个新值来取代中心像素的值,而中值滤波是用中心像素周围(也可以使他本身)的值来取代他。他能有效的去除噪声。卷积核的大小也应该是一个奇数。

import numpy as np
import cv2
from matplotlib import pyplot as plt# 中值滤波
# 在图片上生成椒盐噪声
def add_peppersalt_noise(image, n=10000):result = image.copy()# 测量图片的长和宽w, h, = image.shape[:2]# 生成n个椒盐噪声for i in range(n):x = np.random.randint(1, w)y=  np.random.randint(1, h)if np.random.randint(0, 2) == 0 :result[x, y] = 0else:result[x,y] = 255return resultimg = cv2.imread('./resource/opencv/image/logo/opencv-logo-white.png', cv2.IMREAD_COLOR)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGBA)
img = add_peppersalt_noise(img)
median = cv2.medianBlur(img, 5)gray = cv2.imread('./resource/opencv/image/logo/opencv-logo-white.png', cv2.IMREAD_GRAYSCALE)
gray = add_peppersalt_noise(gray)
median_gray = cv2.medianBlur(gray, 5)plt.subplot(221), plt.imshow(img, 'gray'), plt.title('original')
plt.subplot(222), plt.imshow(median, 'gray'), plt.title('medianBlur')
plt.subplot(223), plt.imshow(gray, 'gray'), plt.title('gray')
plt.subplot(224), plt.imshow(median_gray, 'gray'), plt.title('medianBlur')
plt.show()

在这里插入图片描述

双边滤波

函数 cv2.bilateralFilter() 能在保持边界清晰的情况下有效的去除噪音。但是这种操作与其他滤波器相比会比较慢。我们已经知道高斯滤波器是求中心点邻近区域像素的高斯加权平均值。这种高斯滤波器只考虑像素之间的空间关系,而不会考虑像素值之间的关系(像素的相似度)。所以这种方法不会考虑一个像素是否位于边界。因此边界也会别模糊掉,而这正不是我们想要。双边滤波在同时使用空间高斯权重和灰度值相似性高斯权重。空间高斯函数确保只有邻近区域的像素对中心点有影响,灰度值相似性高斯函数确保只有与中心像素灰度值相近的才会被用来做模糊运算。所以这种方法会确保边界不会被模糊掉,因为边界处的灰度值变化比较大。

import numpy as np
import cv2
from matplotlib import pyplot as plt# 双边滤波img = cv2.imread('./resource/opencv/image/rubberwhale1.png', cv2.IMREAD_GRAYSCALE)# 9:邻域直径,75:空间高斯函数标准差,75:灰度值相似性高斯函数标准差
dst1 = cv2.bilateralFilter(img, 9, 75, 75)plt.subplot(121), plt.imshow(img, 'gray'), plt.title('origin')
plt.subplot(122), plt.imshow(dst1, 'gray'), plt.title('bilateralFiter')
plt.show()

在这里插入图片描述

http://www.yayakq.cn/news/133457/

相关文章:

  • 河池市住房城乡建设网站网站模版制作教程
  • 企业做网站的意义网页设计代码单元格内容怎么居中
  • 万户网站后台控制中心容桂网站制作咨询
  • 绍兴做网站建设济宁住房和城乡建设局网站首页
  • 网站建设饣首选金手指购物网页模板
  • 在网站建设中logo是指什么云网站制作的流程
  • 郑州哪有做网站的汉狮网站建设汕头
  • 网站右侧浮动广告代码视频网站怎么做采集
  • 仓山福州网站建设cc网站域名注册
  • 山东小语种网站建设网站的通知栏一般用什么控件做
  • 一流的中小型网站建设市场营销策划案例经典大全
  • 洮南网站建设哪家专业深圳市住建工程交易
  • 什么网站都能打开的浏览器怎样免费建立网站
  • 濮阳网站建设在哪做速橙科技有限公司网站建设
  • 江西邮电建设工程有限公司网站济南网络免费推广网站
  • 网站后台开发做什么mvc网站建设的实验报告
  • 站长之家网站金融行业做网站
  • 深圳网站设计价格制作灯笼作文300字
  • 贵州建设监理协会网站为新公司取名
  • 网站策划步骤公司名后缀的邮箱
  • 个人网站是啥nginx建设网站教程
  • 广州 网站设计公司排名广州网站seo公司
  • 兰州网站建设方案昆明网站建设论坛
  • 手机怎么打开禁止访问的网站站酷logo设计
  • 一个域名可以做两个网站么中华室内设计网公众号下载
  • 重庆黄埔建设集团网站做网站要会哪些技术
  • 怎样建设自己的网站WordPress批量删除无用标签
  • 海运外贸流程google seo 优化
  • 做dnf辅助网站福州网站建设方案书
  • 淄博做网站跟优化济南英文网站建设