opencv011 滤波器03 高斯滤波

这篇具有很好参考价值的文章主要介绍了opencv011 滤波器03 高斯滤波。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

今天来学习一下高斯滤波!高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。 

opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

高斯滤波

1.原理

高斯函数是符合高斯分布(正态分布)的函数,还记得高斯函数长什么样子吗

opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

 均值可以简单理解成曲线中间的对称轴,方差越大,越不集中

高斯函数的一般形式:

opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

高斯滤波就是用符合高斯分布的卷积核进行卷积操作,所以高斯滤波的重点就是如何计算符合高斯分布的卷积核——即高斯模板。

计算方法:

假定中间点为(0,0)取周围8个点的坐标,然后设定б的值,下例б=1.5,模糊半径=1

opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

我们可以观察到越靠近中心,数值越大,越边缘的数值越小,符合高斯分布的特点.
通过高斯函数计算出来的是概率密度的数,所以现们还要尝保这九个点加起来为1,这9个点的权重总和等于0.4787147.因此上面9个值还要分别除以0.4787147,得到最终的高斯模板,。
注:有些整数高斯模板是在归一化后的需斯模板的基础上每个数除上左上角的值,然后取整.

opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

有卷积核了!

假设有9个像素点,灰度值(0-255)的高斯滤波计算如下:

opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

将9个点加起来,就是中心高斯滤波的值

2.API

(1)高斯函数

GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None);

(2)参数详解

(1)src:表示输入的原图像;
(2)Ksize:表示卷积核(高斯核)大小(ksize(w,h),w-像素宽度,h-像素高度);
(3)sigmaX:X方向的滤波核;表示卷积核在X方向上的标准差,控制的是权重比例;
(4)sigmaY:Y方向的滤波核;表示卷积核在Y方向上的标准差,控制的是权重比例;
如果 sigmaY 为零,则将其设置为等于 sigmaX;如果两个sigma均为零,则分别根据ksize.width 和 进行计算 ksize.height完全控制的结果,无论这一切的语义未来可能的修改,建议指定所有的ksize,sigmaX和sigmaY。sigma越大,平滑效果越明显。
sigmaX = 0.3 x ((ksize.width-1) x 0.5 - 1) + 0.8
sigmaY = 0.3 x ((ksize.height-1) x 0.5 - 1) + 0.8

(5)borderType:推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT

3.实例演示

import cv2
import numpy as np
img = cv2.imread("F:\est01\e3.jpg", 1)
dst = cv2.GaussianBlur(img, (5, 5), sigmaX=100)
cv2.imshow('img', np.hstack((img, dst)))
cv2.waitKey(0)
cv2.destroyAllWindows()

 opencv011 滤波器03 高斯滤波,opencv,算法,opencv,人工智能,计算机视觉,python,学习方法,pycharm

应用:常使用高斯滤波去噪 文章来源地址https://www.toymoban.com/news/detail-820352.html

到了这里,关于opencv011 滤波器03 高斯滤波的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 图像处理之理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器的matlab简单实现

    一、前言 高通滤波器的功能是让高频率通过而滤掉或衰减低频,其作用是 使图像得到锐化处理,突出图像的边界 。经理想高频滤波后的图像把信息丰富的低频去掉了,丢失了许多必要的信息**。一般情况下,高通滤波对噪声没有任何抑制作用**,若简单的使用高通滤波,图像质

    2023年04月25日
    浏览(44)
  • 【C++】【图像处理】均值滤波 and 高斯滤波 and 中值滤波 (低通滤波器)and Sobel算子边缘提取算法解析(以.raw格式的图像为基础进行图像处理、gray levels:256)

     中值滤波: 中值滤波中的MidValueFind函数的实现就是冒泡排序,最后去中间值返回:  Soble算子边缘提取:     总结: 1、均值、高斯滤波和Sobel算子边缘提取的核心,创建卷积核并确定各个点上的权重,然后将边缘灰度级归零(是否边缘归零按业务需求决定),提取非边缘像

    2024年02月05日
    浏览(55)
  • 高斯滤波器讲解(python实现)

    比均值滤波处理图像更加的平滑,边界保留效果更加好; 高斯滤波是一种线性滤波器,能够有效的抑制噪声,平滑图像。其作用原理和均值滤波器类似,都是取滤波器窗口内的像素的均值作为输出。但其窗口模板的系数和均值滤波器不同,均值滤波器的模板系数都是相同的为

    2024年02月03日
    浏览(43)
  • 用python实现高斯滤波器

    高斯滤波器是一种线性滤波器,能够有效的抑制噪声,平滑图像。其作用原理和均值滤波器类似,都是取滤波器窗口内的像素的均值作为输出。其窗口模板的系数和均值滤波器不同,均值滤波器的模板系数都是相同的为1;而高斯滤波器的模板系数,则随着距离模板中心的增大

    2024年02月16日
    浏览(50)
  • openCV实战-系列教程5:边缘检测(Canny边缘检测/高斯滤波器/Sobel算子/非极大值抑制/线性插值法/梯度方向/双阈值检测 )、原理解析、源码解读 ?????OpenCV实战系列总目录

    打印一个图片可以做出一个函数: Canny是一个科学家在1986年写了一篇论文,所以用自己的名字来命名这个检测算法,Canny边缘检测算法这里写了5步流程,会用到之前《openCV实战-系列教程》的内容。  使用高斯滤波器,以平滑图像,滤除噪声。 计算图像中每个像素点的梯度强

    2024年02月11日
    浏览(52)
  • 图像处理之理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器的matlab实现去噪

    一、前言 在一幅图像中, 低频部分对应图像变化缓慢的部分即图像大致外观和轮廓。高频部分对应图像变换剧烈的部分即图像细节(注意图像的噪声属于高频部分) 。 低通滤波器的功能是让低频率通过而滤掉或衰减高频,其作用是过滤掉包含在高频中的噪声。即 低通滤波的效

    2023年04月09日
    浏览(51)
  • Matlab图像处理- 高斯低通滤波器

      高斯低通滤波器 高斯低通滤波器是一种 更平滑的一种滤波器 ,高斯低通滤波器完全没有振铃现象,且边缘平滑。 示例代码 利用输入图像,构建一个截止频率为30的高斯低通滤波器的透视图如下图所示。 效果图片

    2024年02月09日
    浏览(44)
  • 表面计量封闭型高斯滤波器(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 ISO 1661

    2024年02月10日
    浏览(42)
  • 使用高斯滤波器进行表面开放轮廓过滤研究(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 该滤波器

    2024年02月11日
    浏览(41)
  • OpenCv之滤波器

    目录 一、卷积  二、方盒滤波与均值滤波 三、高斯滤波 四、中值滤波 五、双边滤波 图像卷积就是卷积核在图像上按行华东遍历像素时不断的相乘求和的过程  相关知识点: 步长:就是卷积核在图像上移动的步幅.(为充分扫描图片,步长一般为1) padding:指在图片周围填充的0的圈

    2024年02月16日
    浏览(33)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包