Python|使用 OpenCV 进行图像模糊

图像模糊是指使图像不那么清晰或不清晰。它是在各种低通滤波器内核的帮助下完成的。

模糊的优点：

• 它有助于消除噪音。由于噪声被认为是高通信号，因此通过应用低通滤波器内核，我们可以限制噪声。
• 它有助于平滑图像。
• 去除低强度边缘。
• 它有助于在必要时隐藏细节。例如，在许多情况下，警察故意想要隐藏受害者的脸，在这种情况下需要进行模糊处理。

重要的模糊类型：

• 高斯模糊：高斯模糊是通过高斯函数模糊图像的结果。它是图形软件中广泛使用的效果，通常用于减少图像噪声和减少细节。它还用作应用我们的机器学习或深度学习模型之前的预处理阶段。
  例如高斯核（3×3）
  $1/16 \quad \begin{bmatrix} 1 & 2 & 1 \\ 2 & 4 & 2\\ 1 & 2 & 1 \\ \end{bmatrix}$
• 中值模糊：中值滤波器是一种非线性数字滤波技术，通常用于去除图像或信号中的噪声。中值滤波在数字图像处理中应用非常广泛，因为在某些条件下，它可以在去除噪声的同时保留边缘。它是去除椒盐噪声的最佳算法之一。
• 双边模糊：双边滤波器是一种用于图像的非线性、边缘保留和降噪平滑滤波器。它将每个像素的强度替换为附近像素的强度值的加权平均值。该权重可以基于高斯分布。因此，在丢弃弱边缘的同时保留了锐利的边缘。

下面是Python代码：

# importing libraries
import cv2
import numpy as np
  
image = cv2.imread('C://Geeksforgeeks//image_processing//fruits.jpg')
  
cv2.imshow('Original Image', image)
cv2.waitKey(0)
  
# Gaussian Blur
Gaussian = cv2.GaussianBlur(image, (7, 7), 0)
cv2.imshow('Gaussian Blurring', Gaussian)
cv2.waitKey(0)
  
# Median Blur
median = cv2.medianBlur(image, 5)
cv2.imshow('Median Blurring', median)
cv2.waitKey(0)
  
  
# Bilateral Blur
bilateral = cv2.bilateralFilter(image, 9, 75, 75)
cv2.imshow('Bilateral Blurring', bilateral)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出：