OpenCV 图像平滑处理

最新推荐文章于 2025-09-02 10:34:21 发布

原创最新推荐文章于 2025-09-02 10:34:21 发布 · 432 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #人工智能 #计算机视觉

OpenCV 图像平滑处理

图像平滑是图像处理中常用的技术，用于减少噪声或模糊图像。OpenCV 提供了多种平滑方法，包括均值滤波、高斯滤波、中值滤波和双边滤波。以下将详细介绍这些方法及其代码实现。

均值滤波

均值滤波是最简单的平滑方法，通过计算邻域内像素的平均值来替代中心像素值。OpenCV 提供了 blur 函数实现均值滤波。

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 均值滤波
blur = cv2.blur(img, (5, 5))

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Blurred', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯滤波

高斯滤波通过加权平均来平滑图像，权重由高斯函数确定。OpenCV 提供了 GaussianBlur 函数实现高斯滤波。

# 高斯滤波
gaussian_blur = cv2.GaussianBlur(img, (5, 5), 0)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Gaussian Blurred', gaussian_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

中值滤波

中值滤波用邻域内像素的中值替代中心像素值，对椒盐噪声特别有效。OpenCV 提供了 medianBlur 函数实现中值滤波。

# 中值滤波
median_blur = cv2.medianBlur(img, 5)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Median Blurred', median_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

双边滤波

双边滤波在平滑图像的同时保留边缘信息，结合空间邻近度和像素值相似度。OpenCV 提供了 bilateralFilter 函数实现双边滤波。

# 双边滤波
bilateral_blur = cv2.bilateralFilter(img, 9, 75, 75)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Bilateral Blurred', bilateral_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

不同滤波方法的比较

以下是不同滤波方法对同一图像的处理效果比较：

import matplotlib.pyplot as plt

# 读取图像
img = cv2.imread('image.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 应用不同滤波方法
blur = cv2.blur(img, (5, 5))
gaussian_blur = cv2.GaussianBlur(img, (5, 5), 0)
median_blur = cv2.medianBlur(img, 5)
bilateral_blur = cv2.bilateralFilter(img, 9, 75, 75)

# 显示结果
plt.figure(figsize=(20, 10))
plt.subplot(231), plt.imshow(img), plt.title('Original')
plt.subplot(232), plt.imshow(blur), plt.title('Blurred')
plt.subplot(233), plt.imshow(gaussian_blur), plt.title('Gaussian Blurred')
plt.subplot(234), plt.imshow(median_blur), plt.title('Median Blurred')
plt.subplot(235), plt.imshow(bilateral_blur), plt.title('Bilateral Blurred')
plt.show()

滤波核大小的影响

滤波核大小直接影响平滑效果。较大的核会产生更模糊的图像，较小的核则保留更多细节。

# 不同核大小的均值滤波
blur_small = cv2.blur(img, (3, 3))
blur_medium = cv2.blur(img, (7, 7))
blur_large = cv2.blur(img, (15, 15))

# 显示结果
plt.figure(figsize=(20, 10))
plt.subplot(221), plt.imshow(img), plt.title('Original')
plt.subplot(222), plt.imshow(blur_small), plt.title('Small Kernel (3x3)')
plt.subplot(223), plt.imshow(blur_medium), plt.title('Medium Kernel (7x7)')
plt.subplot(224), plt.imshow(blur_large), plt.title('Large Kernel (15x15)')
plt.show()