【OpenCV】 ⚠️高手勿入! 半小时学会基本操作 ⚠️ 高斯双边
概述
OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天带大家用 OpenCV 来实现一个简单的磨皮.
边缘保留滤波 (EPF)
边缘保留滤波 (Edge Preserving Filter) 是图像处理的一种技术. 有别与传统滤波, EPF 会对差别较大的像素区域进行区分, 在保持边缘锐利的同时消除噪声或纹理.
高斯双边
双边滤波 (Bilateral Filter) 即高斯滤波. 滤波器由两个函数构成. 一个函数是由集合空间距离决定滤波器系数. 另一个是由像素差值决定滤波系数.
格式:
cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)
参数:
- src: 输入图像
- d: 相邻像素的直径
- sigmaColor: 颜色空间过滤
- sigmaSpace: 坐标空间过滤
例子:
import numpy as np
import cv2
# 读取图片
image = cv2.imread("face.jpg")
# 高斯二边
dest = cv2.bilateralFilter(image, 0, 100, 15)
# 图片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 保存结果
cv2.imwrite("bilateral.jpg", combine)
输出结果:
高斯模糊 vs 高斯双边:
均值迁移
均值迁移 (Mean-Shift Blur) 会计算得到像素均值与空间位置均值, 使用新的均值作为窗口中心位置.
格式:
cv2.pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None)
参数:
- src: 输入图像
- sp: 空间窗口半径
- sr: 颜色窗口半径
- maxLevel: 分割金字塔的最大级别
- termcrit: 终止条件, 默认为 None
例子:
import numpy as np
import cv2
# 读取图片
image = cv2.imread("face.jpg")
# 均值迁移
dest = cv2.pyrMeanShiftFiltering(image, 10, 50)
# 图片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 图片保存
cv2.imwrite("mean_shift.jpg", combine)
输出结果:
到此这篇关于OpenCV半小时掌握基本操作之高斯双边的文章就介绍到这了,更多相关OpenCV高斯双边内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
您可能感兴趣的文章:- OpenCV半小时掌握基本操作之分水岭算法
- OpenCV半小时掌握基本操作之傅里叶变换
- 利用Opencv中Houghline方法实现直线检测
- python opencv实现直线检测并测出倾斜角度(附源码+注释)
- Python+OpenCV图像处理——实现直线检测
- OpenCV半小时掌握基本操作之直线检测
