OpenCV模糊(图像平滑)

模糊是用于图像处理以去除噪声的常用技术。通常用于消除高频成分，例如图像中的噪点，边缘。当我们对图像应用模糊处理时，边缘将变得模糊。模糊的优点如下：

模糊的优势

模糊的好处如下：

• 它消除了低强度的边缘。
• 它有助于使图像平滑。
• 隐藏细节是有益的。例如，在很多情况下都需要模糊处理，例如警察故意要隐藏受害者的脸。

OpenCV主要提供以下类型的模糊技术。

OpenCV平均

在这种技术中，图像通过盒式滤波器进行卷积(归一化)。它计算内核区域下所有像素的平均值，并用计算出的平均值替换中心元素。 OpenCV提供cv2.blur()或cv2.boxFilter()来执行此操作。我们应该定义内核的宽度和高度。以下是cv2.blur()函数的语法。

cv2.blur(src, dst, ksize, anchor, borderType)

参数：

src-表示源(输入)图像。

dst-代表目标(输出)图像。

ksize-代表内核的大小。

锚点-表示锚点。

borderType-表示要用于输出的边框类型。

考虑以下示例：

im = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg')
cv2.imshow('Original Image',im)
cv2.imshow('Blurred Image', cv2.blur(im, (3,3)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出量

OpenCV中值模糊

中值模糊运算与高斯模糊非常相似。 OpenCV提供了meanblur()函数来执行模糊操作。它获取内核区域下所有像素的中值，并且中心元素将替换为该中值。对于图像中的盐和纸张噪点非常有效。内核大小应为正奇数整数。以下是此方法的语法。

cv2.medianBlur(src, dst, ksize)

参数：

src-表示源(输入图像)。

dst-代表目的地(输出图像)。

ksize-代表内核的大小。

考虑以下示例：

import cv2  
import numpy  
# read image  
img = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg', 1)    
# apply gaussian blur on src image  
dst = median = cv2.medianBlur(img,5)
# display input and output image  
cv2.imshow("Gaussian Smoothing", numpy.hstack((src, dst)))  
cv2.waitKey(0)  # waits until a key is pressed  
cv2.destroyAllWindows()  # destroys the window showing image

输出量

OpenCV高斯模糊

图像平滑是一种有助于减少图像噪声的技术。由于相机传感器的影响，图像可能包含各种类型的噪点。它基本上消除了图像中的高频(噪点，边缘)内容，因此在此操作中边缘会稍微模糊。 OpenCV提供gaussianblur()函数以对图像进行平滑处理。语法如下：

dst=cv2.GuassiasBlur(src, ksize, sigmaX[,dst[,sigmaY[, borderType=BORDER_DEFAULT]]]

参数：

• src-用于输入图像。
• dst-它是存储输出图像的变量。
• ksize-定义高斯内核大小[height width]。高度和宽度必须为奇数(1,3,5，..)，并且可以具有不同的值。如果ksize设置为[0,0]，则从sigma值计算ksize。
• sigmaX-沿X轴(水平方向)的内核标准推导。
• sigmaY-沿Y轴(垂直方向)的内核标准推导。如果sigmaY = 0，则将sigmaX值用于sigmaY。

borderType-这些是在将内核应用于图像边界时指定的图像边界。可能的边框类型是：

• 简历BORDER_CONSTANT
• cv.BORDER_REPLICATE
• cv.BORDER_REFLECT
• cv.BORDER_WRAP
• cv.BORDER_REFLECT_101
• 简历BORDER_TRANSPARENT
• cv.BORDER_REFLECT101
• cv.BORDER_DEFAULT
• cv.BORDER_ISOLATED

考虑以下示例：

import cv2  
import numpy  
  
# read image  
src = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg', 1)    
# apply gaussian blur on src image  
dst = cv2.GaussianBlur(src, (5, 5), cv2.BORDER_DEFAULT)  
  
# display input and output image  
cv2.imshow("Gaussian Smoothing", numpy.hstack((src, dst)))  
cv2.waitKey(0)  # waits until a key is pressed  
cv2.destroyAllWindows()  # destroys the window showing image  

输出：