代碼和筆記

import cv2
import numpy as np"""
濾波器--用于圖像處理的重要工具，它們可以根據(jù)圖像中像素的鄰域信息來修改像素值，以實現(xiàn)去噪、模糊、銳化、邊緣檢測等效果。低通濾波器（Low-pass Filter）：
定義：允許低頻信號通過，但減弱（或阻止）高頻信號的濾波器。
原理：在頻率域中，低通濾波器會移除高于某個截止頻率（cut-off frequency）的所有頻率分量。高通濾波器（High-pass Filter）：
定義：允許高頻信號通過，但減弱（或阻止）低頻信號的濾波器。
原理：在頻率域中，高通濾波器會移除低于某個截止頻率的所有頻率分量。
""""""
低通濾波器 平滑圖像，去除圖像中的高頻噪聲和細(xì)節(jié)
""""""
卷積操作
"""
img = cv2.imread('/img/cat.jpeg')
# 卷積核 必須是奇數(shù)，而且是float型  / 25相當(dāng)于取了一個平均
# 根據(jù)卷積核的不同，可以進(jìn)行銳化、輪廓等操作
kernel = np.ones((5, 5), np.float32) / 25# 卷積操作 -1位深 表示和原圖一樣
dst = cv2.filter2D(img, -1, kernel)cv2.imshow('img', img)"""
方盒濾波和均值濾波
作用：通過求取像素周圍領(lǐng)域像素的平均值來平滑(使圖像亮度平緩漸變，減小突變梯度，從而改善圖像質(zhì)量)圖像
特點：算法簡單，計算速度較快。然而，在去除噪聲的同時，也會去除很多細(xì)節(jié)部分，導(dǎo)致圖像變得模糊。
"""
# 方盒濾波
# 只需要設(shè)置卷積核大小 normalize=True(卷積核的系數(shù)a = 1/(W*H))等價于均值濾波, false時為a = 1
dst1 = cv2.boxFilter(img, -1, (5, 5), normalize=True)# 均值濾波
# 沒有位深
dst2 = cv2.blur(img, (5, 5))"""
高斯波濾器
作用：通過高斯函數(shù)對像素鄰域內(nèi)的像素值進(jìn)行加權(quán)平均，得到新的像素值。越在中間，比重占的越大。
特點：比均值濾波更平滑，邊界保留更加好。能夠有效地去除噪聲，并保留圖像中的細(xì)節(jié)部分。
"""
# (5, 5)卷積核的大小 X軸的標(biāo)準(zhǔn)差sigmaX, 越大平滑（模糊）越明顯
dst3 = cv2.GaussianBlur(img, (5, 5), sigmaX=10)"""
中值濾波
作用：對像素鄰域內(nèi)的像素值進(jìn)行排序，取中值作為該像素的新值。
特點：在邊界保存方面好于均值濾波，特別適用于去除椒鹽噪聲。但在模板變大時，可能會存在一些邊界的模糊。
"""
# 5卷積核的大小，這里要求是整數(shù)
dst4 = cv2.medianBlur(img, 5)"""
雙邊濾波器--美顏
作用：考慮像素的空間鄰近度和像素值相似度的一種折中處理，同時達(dá)到保邊去噪的目的。
特點：是一種非線性濾波，保留較多的高頻信息，對低頻濾波效果較好，但不能去除脈沖噪聲。
"""
# 7 卷積核的大小
# sigmaColor 如果是黑白圖片則為灰度距離，若是彩色圖片則為顏色，sigmaSpace 空間距離，這兩個值要根據(jù)實際情況調(diào)整
dst5 = cv2.bilateralFilter(img, 7, sigmaColor=20, sigmaSpace=50)cv2.waitKey(0)
cv2.destroyAllWindows()