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

import cv2

# 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

import cv2

# 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

import cv2

# 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

import cv2

# 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