imagem suavizada (imagem blur):
Uma imagem e uma convolução filtro passa-baixo, com efeito de alisamento pode ser conseguido, i.e. imagem borrão. operação de alisamento vai geralmente remover informação de alta frequência (ruído, bordos) da imagem. Então, depois de suavização de imagem, borda imagem tendem a ser difusa (última técnica básica bilateral difusa descrita neste artigo não borrar a borda da imagem). OpenCV oferece uma variedade de tecnologia de suavização da imagem, também conhecida como tecnologia de desfoque da imagem.
1. Média de borrão
# Tamanho do kernel é de 5 * 5
borrão = cv.blur (IMG, (5,5))
2. Gaussian Blur
# Tamanho Kernel é de 5 * 5,0: estrelas de desvio-padrão com base no tamanho nuclear
borrão = cv.GaussianBlur (IMG, (5,5), 0)
3. borrão Median
# Tamanho do kernel é de 5 * 5
mediana = cv.medianBlur (IMG, 5)
4. borrão Bilateral
# Cv.bilateralFilter é altamente eficaz na remoção de ruído, mantendo bordas afiadas
borrão = cv.bilateralFilter (IMG, 9,75,75)
código da experiência:
1 importação cv2 como cv 2 3 importação numpy como np 4 5 a partir de matplotlib importação pyplot como plt 6 7 image1 = cv.imread ( ' ../paojie_sp2.jpg ' ) 8 9 avg_img = cv.blur (image1, (5,5 )) 10 11 gau_img = cv.GaussianBlur (image1, (5,5 ), 0) 12 13 med_img = cv.medianBlur (image1,5 ) 14 15 bil_img = cv.bilateralFilter (image1,9,75,75 ) 16 17 plt.figure (1 ) 18 19 plt.subplot (231), plt.imshow (image1), plt.title ( ' originais ' ), plt.axis ( ' off ' ) 20 21 plt.subplot (232), plt.imshow (avg_img), Plt. título ( ' Média borrão ' ), plt.axis ( ' off ' ) 22 23 plt.subplot (233), plt.imshow (gau_img), plt.title ( ' borrão Gaussian ' ), plt.axis ( ' off ' ) 24 25 plt.subplot (234), plt.imshow (med_img), plt.title ( ' mediana borrão ' ), plt.axis ( 'fora' ) 26 27 plt.subplot (235), plt.imshow (bil_img), plt.title ( ' bilateral borrão ' ), plt.axis ( ' off " ) 28 29 plt.show ()
Os resultados: