OpenCV半小時(shí)掌握基本操作之高斯雙邊

【OpenCV】 ⚠️高手勿入! 半小時(shí)學(xué)會(huì)基本操作 ⚠️ 高斯雙邊

概述

OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺(jué)庫(kù), 支持多語(yǔ)言, 功能強(qiáng)大. 今天帶大家用 OpenCV 來(lái)實(shí)現(xiàn)一個(gè)簡(jiǎn)單的磨皮.

邊緣保留濾波 (EPF)

邊緣保留濾波 (Edge Preserving Filter) 是圖像處理的一種技術(shù). 有別與傳統(tǒng)濾波, EPF 會(huì)對(duì)差別較大的像素區(qū)域進(jìn)行區(qū)分, 在保持邊緣銳利的同時(shí)消除噪聲或紋理.

高斯雙邊

雙邊濾波 (Bilateral Filter) 即高斯濾波. 濾波器由兩個(gè)函數(shù)構(gòu)成. 一個(gè)函數(shù)是由集合空間距離決定濾波器系數(shù). 另一個(gè)是由像素差值決定濾波系數(shù).

格式:

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

參數(shù):

• src: 輸入圖像
• d: 相鄰像素的直徑
• sigmaColor: 顏色空間過(guò)濾
• sigmaSpace: 坐標(biāo)空間過(guò)濾

例子:

import numpy as np
import cv2

# 讀取圖片
image = cv2.imread("face.jpg")

# 高斯二邊
dest = cv2.bilateralFilter(image, 0, 100, 15)

# 圖片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存結(jié)果
cv2.imwrite("bilateral.jpg", combine)

輸出結(jié)果:

高斯模糊 vs 高斯雙邊:

均值遷移

均值遷移 (Mean-Shift Blur) 會(huì)計(jì)算得到像素均值與空間位置均值, 使用新的均值作為窗口中心位置.

格式:

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

參數(shù):

• src: 輸入圖像
• sp: 空間窗口半徑
• sr: 顏色窗口半徑
• maxLevel: 分割金字塔的最大級(jí)別
• termcrit: 終止條件, 默認(rèn)為 None

例子:

import numpy as np
import cv2

# 讀取圖片
image = cv2.imread("face.jpg")

# 均值遷移
dest = cv2.pyrMeanShiftFiltering(image, 10, 50)

# 圖片展示
combine = np.hstack((image, dest))
cv2.imshow("combine", combine)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 圖片保存
cv2.imwrite("mean_shift.jpg", combine)

輸出結(jié)果:

到此這篇關(guān)于OpenCV半小時(shí)掌握基本操作之高斯雙邊的文章就介紹到這了,更多相關(guān)OpenCV高斯雙邊內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！