Сглаживание изображений OpenCV
В обработке изображений сглаживание (также называемое размытием) — это распространённая операция, используемая для уменьшения шума или детализации изображения.
OpenCV предоставляет различные методы сглаживания. В этой статье подробно объясняются четыре часто используемых метода сглаживания: усредняющий фильтр, фильтр Гаусса, медианный фильтр и двусторонний фильтр.
1. Усредняющий фильтр (cv2.blur())
Усредняющий фильтр — один из самых простых методов сглаживания.
Принцип усредняющего фильтра заключается в замене значения каждого пикселя изображения на среднее значение окружающих его пикселей.
Усредняющий фильтр может эффективно удалять шум, но может привести к размытию изображения.
Использование
Пример
# Чтение изображения
image = cv2.imread('image.jpg')
# Применить усредняющий фильтр
blurred_image = cv2.blur(image, (5, 5))
# Отобразить результат
cv2.imshow('Размытое изображение', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.blur(image, (5, 5)) Описание параметров
image: Входное изображение.(5, 5): Размер ядра фильтра, указывающий диапазон усреднения в горизонтальном и вертикальном направлениях.
Сценарии применения
Усредняющий фильтр подходит для удаления случайного шума на изображениях, но может привести к размытию краев изображения.
2. Фильтр Гаусса (cv2.GaussianBlur())
Фильтр Гаусса — это метод сглаживания, основанный на функции Гаусса. В отличие от усредняющего фильтра, фильтр Гаусса при вычислении среднего значения пикселей назначает более высокий вес центральному пикселю и более низкий вес краевым пикселям.
Фильтр Гаусса позволяет лучше сохранять информацию о краях изображения при удалении шума.
Использование
Пример
# Чтение изображения
image = cv2.imread('image.jpg')
# Применить фильтр Гаусса
blurred_image = cv2.GaussianBlur(image, (5, 5), 0)
# Отобразить результат
cv2.imshow('Изображение с гауссовым размытием', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.GaussianBlur(image, (5, 5), 0) Описание параметров
image: Входное изображение.(5, 5): Размер ядра фильтра.0: стандартное отклонение гауссова ядра. Если задано 0, оно автоматически вычисляется на основе размера ядра.
Сценарии применения
Фильтр Гаусса подходит для удаления гауссовского шума с изображений и хорошо справляется с сохранением информации о краях изображения.
3. Медианный фильтр (cv2.medianBlur())
Медианный фильтр — это нелинейный метод сглаживания. Его принцип заключается в замене значения каждого пикселя изображения медианным значением окружающих его пикселей.
Медианный фильтр очень эффективен для удаления шума «соль и перец» (т. е. случайных чёрных и белых точек на изображении).
Использование
Пример
# Чтение изображения
image = cv2.imread('image.jpg')
# Применить медианный фильтр
blurred_image = cv2.medianBlur(image, 5)
# Отобразить результат
cv2.imshow('Изображение с медианным размытием', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.medianBlur(image, 5): описание параметров
image: Входное изображение.5: Размер ядра фильтра, должен быть нечётным числом.
Сценарии применения
Медианный фильтр подходит для удаления шума «соль и перец» на изображениях и хорошо справляется с сохранением информации о краях изображения.
4. Двусторонний фильтр (cv2.bilateralFilter())
Двусторонний фильтр — это нелинейный метод сглаживания, который сочетает пространственную близость и схожесть значений пикселей.
В отличие от фильтра Гаусса, двусторонний фильтр может сохранять информацию о краях изображения при его сглаживании. Это связано с тем, что двусторонний фильтр учитывает не только пространственное расстояние между пикселями, но и разницу между значениями пикселей.
Использование
Пример
# Чтение изображения
image = cv2.imread('image.jpg')
# Применить двусторонний фильтр
blurred_image = cv2.bilateralFilter(image, 9, 75, 75)
# Отобразить результат
cv2.imshow('Изображение после двустороннего фильтра', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.bilateralFilter(image, 9, 75, 75) Описание параметров
image: Входное изображение.9: Размер ядра фильтра.75: стандартное отклонение в цветовом пространстве, управляющее весом схожести значений пикселей.75: стандартное отклонение в координатном пространстве, управляющее весом пространственного расстояния.
Сценарии применения
Двусторонний фильтр подходит для сохранения информации о краях изображения при удалении шума и часто используется для улучшения изображения или предварительной обработки.
Итог
OpenCV предоставляет множество методов сглаживания изображений, каждый из которых имеет свои уникальные преимущества и сценарии применения. Усредняющий фильтр прост и удобен в использовании, но может приводить к размытию изображения; фильтр Гаусса хорошо сохраняет информацию о краях при удалении шума; медианный фильтр особенно подходит для удаления шума типа «соль и перец»; двусторонний фильтр отлично сохраняет информацию о краях. Выбор подходящего метода сглаживания в зависимости от конкретного сценария применения может значительно повысить эффективность обработки изображений.
Другие расширения