Python OpenCV邊緣濾波保留怎么使用

本篇內容介紹了“Python OpenCV邊緣濾波保留怎么使用”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

函數原型介紹

高斯雙邊濾波

雙邊濾波函數原型如下：

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

參數說明：

• src：輸入圖像；

• d：過濾過程中每個像素鄰域的直徑范圍。如果不是正數，則函數會從參數 sigmaSpace 計算該值；

• sigmaColor：顏色空間過濾器的 sigma 值，參數的值越大，表明該像素鄰域內有越寬廣的顏色會被混合到一起，產生較大的半等色區域；

• sigmaSpace：坐標空間中濾波器的 sigma 值，如果該值較大，則意味著越遠的像素將相互影響，從而使更大的區域中足夠相似的顏色獲取相同的顏色。當 d>0 時，d 指定了鄰域大小且與 sigmaSpace 無關，否則 d 正比于 sigmaSpace。

• dst：和源圖象相同大小、相同格式的輸出圖象；

一般將 sigmaSpace 設置大一些，sigmaColor 設置小一些，最終呈現的效果較好。

優缺點：
雙邊濾波，可很好的保存圖像邊緣細節，并且過濾掉低頻分量的噪音，但是雙邊濾波效率不是很高，花費時間比其他濾波器較長。

測試代碼如下，先掌握函數基本使用再說。

import cv2 as cvimport numpy as np# 雙邊濾波def bilater(image):# 第三個參數大一點（color），第四個小一點（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()

均值遷移濾波

均值遷移算法是一種通用的聚類算法，它的基本原理是：

對于給定的一定數量樣本，任選其中一個樣本，以該樣本為中心點劃定一個圓形區域，求取該圓形區域內樣本的質心，即密度最大處的點，再以該點為中心繼續執行上述迭代過程，直至最終收斂。（沒看太明白，大概了解一下即可）

函數原型如下：

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

參數說明：

• src：輸入圖像，8 位 3 通道圖像；

• sp：遷移物理空間半徑大小；

• sr：遷移色彩空間半徑大小；

• dst：可選參數，和源圖象相同大小、相同格式的輸出圖象；

• maxLevel：可選參數，金字塔的最大層數；

• termcrit：可選參數，遷移迭代終止條件，可以設置為迭代次數滿足終止，迭代目標與中心點偏差滿足終止，或者兩者的結合。

所有參數中，sp 與 sr 必選，二者設置的值越大，對圖像色彩的平滑效果越明顯，同時函數耗時越多。

測試代碼如下：

import cv2 as cvimport numpy as np# 雙邊濾波def bilater(image):# 第三個參數大一點（color），第四個小一點（space）dst = cv.bilateralFilter(image, 0, 100, 15)cv.namedWindow("dst")cv.imshow("dst", dst)# 均值遷移濾波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()

“Python OpenCV邊緣濾波保留怎么使用”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！