OpenCV半小时掌握基本操作之高斯双边(高斯滤波)

概述

OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天带大家用 OpenCV 来实现一个简单的磨皮.

边缘保留滤波 (EPF)

边缘保留滤波 (Edge Preserving Filter) 是图像处理的一种技术. 有别与传统滤波, EPF 会对差别较大的像素区域进行区分, 在保持边缘锐利的同时消除噪声或纹理.

高斯双边

双边滤波 (Bilateral Filter) 即高斯滤波. 滤波器由两个函数构成. 一个函数是由集合空间距离决定滤波器系数. 另一个是由像素差值决定滤波系数.

格式:

cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)

参数:

src: 输入图像
d: 相邻像素的直径
sigmaColor: 颜色空间过滤
sigmaSpace: 坐标空间过滤

例子:

import numpy as np
import cv2
# 读取图片
image = cv2.imread("face.jpg")
# 高斯二边
dest = cv2.bilateralFilter(image, 0, 100, 15)
# 图片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 保存结果
cv2.imwrite("bilateral.jpg", combine)

输出结果:

高斯模糊 vs 高斯双边:

均值迁移

均值迁移 (Mean-Shift Blur) 会计算得到像素均值与空间位置均值, 使用新的均值作为窗口中心位置.

格式:

cv2.pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None)

参数:

src: 输入图像
sp: 空间窗口半径
sr: 颜色窗口半径
maxLevel: 分割金字塔的最大级别
termcrit: 终止条件, 默认为 None

例子:

import numpy as np
import cv2
# 读取图片
image = cv2.imread("face.jpg")
# 均值迁移
dest = cv2.pyrMeanShiftFiltering(image, 10, 50)
# 图片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 图片保存
cv2.imwrite("mean_shift.jpg", combine)

输出结果: