python学opencv|读取图像(五十六)使用cv2.GaussianBlur()函数实现图像像素高斯滤波处理

news/2025/2/13 5:20:12/

【1】引言

前序学习了均值滤波和中值滤波,对图像的滤波处理有了基础认知,相关文章链接为:

pythonopencv|读取图像(五十四)使用cv2.blur()函数实现图像像素均值处理-CSDN博客

pythonopencv|读取图像(五十五)使用cv2.medianBlur()函数实现图像像素中值滤波处理-CSDN博客

在此基础上,我们可以进入高斯滤波的学习,此时需要使用cv2.GaussianBlur()函数。

【2】官网教程

点击下方链接,直达cv2.GaussianBlur()函数的官网教程:

OpenCV: Image Filtering

官网页面对cv2.GaussianBlur()函数的说明为:

图1   cv2.GaussianBlur()函数的官网教程

官网页面对cv2.GaussianBlur()函数的参数说明为:

void cv::GaussianBlur  (

InputArray src,                                                                    #输入图像

OutputArray dst,                                                                 #输出图像

Size ksize,                                                                          #像素核

double sigmaX,                                                                #卷积核水平方向标准差,可选参数

double sigmaY = 0,                                                          #卷积核竖直方向标准差,可选参数

int borderType = BORDER_DEFAULT,                           #边界样式,可选参数

AlgorithmHint hint = cv::ALGO_HINT_DEFAULT )         #实现修改标志,无需关注

【3】代码测试

首先是引入模块和相关图像:

python">import cv2 as cv  # 引入CV模块# 读取图片
srcm = cv.imread('srcx.png')  # 读取图像srcx.png

然后是对图像进行高斯滤波处理:

python">#滤波计算
src1 = cv.GaussianBlur(srcm,(3,3),0,0)  # 图像取平均值,像素核大小为(3,3)
src2 = cv.GaussianBlur(srcm,(5,5),0,0)  # 图像取平均值,像素核大小为(5,5)
src3 = cv.GaussianBlur(srcm,(7,7),0,0)  # 图像取平均值,像素核大小为(7,7)

之后显示图像:

python"># 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('src1 ', src1)
cv.imshow('src2 ', src2)
cv.imshow('src3 ', src3)
cv.imwrite('src1g.png',src1)
cv.imwrite('src2g.png',src2)
cv.imwrite('src3g.png',src3)
# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

程序运行使用的相关图像为:

图2  初始图像scrx.png

图3  高斯滤波图像scr1.png

图4  高斯滤波图像scr2.png

图5  高斯滤波图像scr3.png

和调用cv2.blur()函数使用均值滤波处理,调用cv2.medianBlur()函数进行中值滤波处理一样,调用cv.GaussianBlur()函数进行高斯滤波处理后,由图2到图5可见,随着像素核的增大,图像越来越模糊。这提醒我们,控制像素核的大小,可以进一步控制图像的模糊程度。

【4】细节说明

调用cv2.medianBlur()函数进行中值滤波时,使用的像素核只需要写出边长n,但这个边长也应该是奇数,cv2.medianBlur()函数会自动根据这个边长划定一个正方形的像素核。

调用cv2.blur()函数进行均值滤波和调用cv2.GaussianBlur()函数进行高斯滤波处理时,均需要给出(nXn)大小的像素核,这个n应使用奇数。

像素核使用奇数大小会比较好,是因为奇数大小会在最中间围成一个方格,这个方格就是核心方格,滤波计算的值直接赋给这个核心方格。

图6 图像滤波技术对比

【5】总结

掌握了使用python+opencv实现调用cv2.GaussianBlur()函数进行高斯滤波处理图像的技巧。

 


http://www.ppmy.cn/news/1569567.html

相关文章

Redis 数据备份与恢复

Redis 数据备份与恢复 引言 Redis 是一款高性能的键值对存储系统,广泛应用于缓存、消息队列、分布式锁等领域。为了保证数据的安全性和可靠性,定期对 Redis 数据进行备份与恢复是至关重要的。本文将详细介绍 Redis 数据备份与恢复的方法,帮助您更好地管理和维护 Redis 数据…

计算机视觉:撕裂时空的视觉算法革命狂潮

目录 ​编辑 一本篇介绍: 二计算机视觉基础: 2.1 图像表示与处理: 2.1.1 图像的基本概念: 2.1.2 图像读取与显示: 2.1.3 图像滤波: 2.2 特征提取与描述: 2.2.1 特征提取的概念: 2.2.2 角点检测: 2.2.3 特征描述: 三、…

C++基础系列【2】C++基本语法

本文作为入门文档&#xff0c;简要介绍C的非常基本的语法&#xff0c;后面章节会详细介绍C的各个语法。 C 程序结构 C程序的基本结构包括头文件、命名空间、类和函数等。 下面我们通过Hello&#xff0c;World来展示这些元素。 #include <iostream> // 包含标准输入输…

aws(学习笔记第二十七课) 使用aws API Gateway+lambda体验REST API

aws(学习笔记第二十七课) 使用aws API Gatewaylambda体验REST API 学习内容&#xff1a; 使用aws API Gatewaylambda 1. 使用aws API Gatewaylambda 作成概要 使用api gateway定义REST API&#xff0c;之后再接收到了http request之后&#xff0c;redirect到lambda进行执行。…

安全漏洞扫描与修复系统的高质量技术详解

安全漏洞扫描与修复系统的高质量技术详解 在当今的数字化时代&#xff0c;网络安全已成为企业和个人不可忽视的重要议题。安全漏洞扫描与修复系统作为保障网络安全的关键环节&#xff0c;其重要性日益凸显。本文将深入探讨安全漏洞扫描与修复系统的原理、流程、工具选择以及实…

经典游戏红色警戒2之英语

1. New construction options 部署新的建筑物&#xff08;一般是部署基地车时说的&#xff09;。 2. Loading 等待。&#xff08;正在进行&#xff09; 3. Construction complete 建筑完成。 4. On hold 等待。&#xff08;暂停进行&#xff09; 5. Canceled 取消。 6. Ca…

Guided Decoding (借助FSM,有限状态自动机)

VLLM对结构化输出的支持&#xff1a; vllm/docs/source/features/structured_outputs.md at main vllm-project/vllm GitHub VLLM对tool call的支持&#xff1a; vllm/docs/source/features/tool_calling.md at main vllm-project/vllm GitHub 以上指定输出格式&#xf…

TCP 丢包恢复策略:代价权衡与优化迷局

网络物理层丢包是一种需要偿还的债务&#xff0c;可以容忍低劣的传输质量&#xff0c;这为 UDP 类服务提供了空间&#xff0c;而对于 TCP 类服务&#xff0c;可以用另外两类代价来支付&#xff1a; 主机端采用轻率的 GBN 策略恢复丢包&#xff0c;节省 CPU 资源&#xff0c;但…