Open CV系列学习笔记（七）边缘保留滤波(EPF)

高斯双边

在这里插入图片描述

双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。
双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。
代码：

def bi_demo(image):#高斯双边   
    dst = cv.bilateralFilter(image,0,100,15)
    cv.imshow("bi_demo",dst)

结果：
在这里插入图片描述

均值迁移

均值迁移模糊是图像边缘保留滤波算法中一种，经常用来在对图像进行分水岭分割之前去噪声，可以大幅度提升分水岭分割的效果。它的基本原理是：

对于给定的一定数量样本，任选其中一个样本，以该样本为中心点划定一个圆形区域，求取该圆形区域内样本的质心，即密度最大处的点，再以该点为中心继续执行上述迭代过程，直至最终收敛。

可以利用均值偏移算法的这个特性，实现彩色图像分割，Opencv中对应的函数是pyrMeanShiftFiltering。

这个函数严格来说并不是图像的分割，而是图像在色彩层面的平滑滤波，它可以中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的颜色区域。
代码：

def shift_demo(image):#均值迁移
    dst = cv.pyrMeanShiftFiltering(image,10,50)
    cv.imshow("shift_demo",dst)

结果：
在这里插入图片描述

完整代码：

import cv2 as cv
import numpy as np


def bi_demo(image):#高斯双边   边缘保留(美颜滤镜^_^)
    dst = cv.bilateralFilter(image,0,100,15)
    cv.imshow("bi_demo",dst)


def shift_demo(image):#均值迁移
    dst = cv.pyrMeanShiftFiltering(image,10,50)
    cv.imshow("shift_demo",dst)


print("--------HEllow Python-------")
src = cv.imread("E:/picture/04.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
shift_demo(src)
cv.waitKey(0)


cv.destroyAllWindows()