80%人都会忽略的Python图像处理技巧,老码农:学到了!

发布于 2021-04-29 07:17

聊聊Python专栏栏目第六期来啦!

小编发现图像处理专栏已经被身边的人开始转起来了,它到底有什么特别之处呢?

专栏作者介绍|

上期给大家分享了→图像通道处理,如有不了解的小伙伴可以戳进去继续学习啦!

第六天分享内容:图像平滑之均值滤波


01

图像处理

一.图像平滑

1.图像增强图像增强是对图像进行处理,使其比原始图像更适合于特定的应用,它需要与实际应用相结合。对于图像的某些特征如边缘、轮廓、对比度等,图像增强是进行强调或锐化,以便于显示、观察或进一步分析与处理。图像增强的方法是因应用不同而不同的,研究内容包括:(参考课件和左飞的《数字图像处理》)


2.图像平滑图像平滑是一种区域增强的算法,平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中,常常会因为多方面原因而被噪声干扰或出现数据丢失,降低了图像的质量(某一像素,如果它与周围像素点相比有明显的不同,则该点被噪声所感染)。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。
简单平滑-邻域平均法
3.邻域平均法图像简单平滑是指通过邻域简单平均对图像进行平滑处理的方法,用这种方法在一定程度上消除原始图像中的噪声、降低原始图像对比度的作用。它利用卷积运算对图像邻域的像素灰度进行平均,从而达到减小图像中噪声影响、降低图像对比度的目的。
但邻域平均值主要缺点是在降低噪声的同时使图像变得模糊,特别在边缘和细节处,而且邻域越大,在去噪能力增强的同时模糊程度越严重。


首先给出为图像增加噪声的代码。
# -*- coding:utf-8 -*-import cv2import numpy as np#读取图片
img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)
rows, cols, chn = img.shape
#加噪声for i in range(5000):
    x = np.random.randint(0, rows)
    y = np.random.randint(0, cols)
    img[x,y,:] = 255

cv2.imshow("noise", img)
           #等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

二.均值滤波

1.原理均值滤波是指任意一点的像素值,都是周围N*M个像素值的均值。例如下图中,红色点的像素值为蓝色背景区域像素值之和除25。
其中红色区域的像素值均值滤波处理过程为:((197+25+106+156+159)+(149+40+107+5+71)+ (163+198+**226**+223+156)+ (222+37+68+193+157)+(42+72+250+41+75)) / 25
其中5*5的矩阵称为核,针对原始图像内的像素点,采用核进行处理,得到结果图像。
提取1/25可以将核转换为如下形式:
2.代码
Python调用OpenCV实现均值滤波的核心函数如下:
result = cv2.blur(原始图像,核大小)
其中,核大小是以(宽度,高度)表示的元祖形式。常见的形式包括:核大小(3,3)和(5,5)。
K=\frac{1}{9}\left[ \begin{matrix} 1 & 1 & 1 \\ 1 & 1 & 1 \\ 1& 1 & 1 \end{matrix} \right] \tag{1}K=91⎣⎡111111111⎦⎤(1)
K=\frac{1}{25}\left[ \begin{matrix} 1 & 1 & 1 & 1 & 1 \\ 1& 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 &1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ \end{matrix}\right] \tag{2}K=251⎣⎢⎢⎢⎢⎡1111111111111111111111111⎦⎥⎥⎥⎥⎤(2)
代码如下所示:

#encoding:utf-8import cv2 import numpy as np import matplotlib.pyplot as plt
 #读取图片
img = cv2.imread('test01.png')
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
 #均值滤波
result = cv2.blur(source, (5,5))
 #显示图形
titles = ['Source Image', 'Blur Image']
images = [source, result] for i in xrange(2):
   plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])
plt.show()

输出结果如下图所示:
核设置为(10,10)和(20,20)会让图像变得更加模糊。
如果设置为(1,1)处理结果就是原图,核中每个权重值相同,称为均值。
小伙伴们,本期内容学会了吗?
好了,如何图像平滑之均值滤波的内容到这里就结束啦,感觉有收获的同学,可以滑到文章底部,帮助老师分享点赞收藏,咱们明天见!
下期预告:图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
注:以上内容及后续将要连续分享的内容,均来自杨秀璋老师在CSDN博客创作的《Python图像处理及图像识别》连载专栏中。
扫码下方二维码
查看杨老师更多的专栏内容

学习了解杨老师的专栏内容

相关资源