OpenCV半小時掌握基本操作之高斯雙邊

更新時間：2021年09月01日 10:17:46 作者：我是小白呀

這篇文章主要介紹了OpenCV基本操作之高斯雙邊，本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

概述

OpenCV 是一個跨平臺的計算機(jī)視覺庫, 支持多語言, 功能強(qiáng)大. 今天帶大家用 OpenCV 來實現(xiàn)一個簡單的磨皮.

在這里插入圖片描述

邊緣保留濾波 (EPF)

邊緣保留濾波 (Edge Preserving Filter) 是圖像處理的一種技術(shù). 有別與傳統(tǒng)濾波, EPF 會對差別較大的像素區(qū)域進(jìn)行區(qū)分, 在保持邊緣銳利的同時消除噪聲或紋理.

高斯雙邊

雙邊濾波 (Bilateral Filter) 即高斯濾波. 濾波器由兩個函數(shù)構(gòu)成. 一個函數(shù)是由集合空間距離決定濾波器系數(shù). 另一個是由像素差值決定濾波系數(shù).

在這里插入圖片描述

格式:

cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)

參數(shù):

src: 輸入圖像
d: 相鄰像素的直徑
sigmaColor: 顏色空間過濾
sigmaSpace: 坐標(biāo)空間過濾

例子:

import numpy as np
import cv2

# 讀取圖片
image = cv2.imread("face.jpg")

# 高斯二邊
dest = cv2.bilateralFilter(image, 0, 100, 15)

# 圖片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存結(jié)果
cv2.imwrite("bilateral.jpg", combine)

輸出結(jié)果:

在這里插入圖片描述

高斯模糊 vs 高斯雙邊:

在這里插入圖片描述

均值遷移

均值遷移 (Mean-Shift Blur) 會計算得到像素均值與空間位置均值, 使用新的均值作為窗口中心位置.

格式:

cv2.pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None)

參數(shù):

src: 輸入圖像
sp: 空間窗口半徑
sr: 顏色窗口半徑
maxLevel: 分割金字塔的最大級別
termcrit: 終止條件, 默認(rèn)為 None

例子:

import numpy as np
import cv2

# 讀取圖片
image = cv2.imread("face.jpg")

# 均值遷移
dest = cv2.pyrMeanShiftFiltering(image, 10, 50)

# 圖片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 圖片保存
cv2.imwrite("mean_shift.jpg", combine)

輸出結(jié)果:

在這里插入圖片描述