Contents

空間濾波

5. 空間濾波

import cv2
import matplotlib.pyplot as plt
import numpy as np

src = cv2.imread("hung.jpg")
src = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)
plt.imshow(src);
../../_images/spatial_smoothing_2_0.png

5.1. 均值濾波器

dst_mean = cv2.blur(src,(15,15))

plt.imshow(dst_mean);
../../_images/spatial_smoothing_5_0.png

5.2. 中值濾波

  • 適合用在椒鹽雜訊的處理

# 中值濾波
dst_median = cv2.medianBlur(
    src, 
    15 # kernel size
)

plt.imshow(dst_median);
../../_images/spatial_smoothing_9_0.png

5.3. 高斯濾波器

dst_gaussian = cv2.GaussianBlur(
    src,
    (15,15), # kernel size
    0.85, # sigma x
    0.85 # sigma y
)

  • 如果開 3x3 kernel size，那正中心的 (x,y) = (0,0)，左邊是 (-1,0), 右邊是 (1,0)，左上 (-1,1), 右上 (1,1), …

  • 然後 gausian kernel 就是中心放在 (0,0) 的二元獨立常態分配: \(f(x,y)=\frac{1}{2\pi\sigma_x\sigma_y}e^{-\frac{1}{2}(\frac{x^2}{\sigma_x^2}+\frac{y^2}{\sigma_y^2})}\)

  • 所以就直接想像一個二元常態像碗一樣，蓋在 kernel 的正中心，然後他的 density 大小，就是周邊加權平均時用的權重

plt.imshow(dst_gaussian);
../../_images/spatial_smoothing_13_0.png

5.4. 雙邊濾波器

dst_bilateral = cv2.bilateralFilter(
    src,
    15, # d，以像素為中心的濾波直徑，建議值 5。如果此值是負數，會自動參照下面的 sigmaSpace
    100, # sigmaColor，像素顏色值與周圍像素顏色值的差距，在此範圍，才做濾波。如果超過此範圍，他會覺得這是邊緣，就不做濾波
    100 # sigmaSpace，距離的空間參數，如果 d >0，此值可忽略。
)

  • 雙邊濾波會考慮邊緣訊息

plt.imshow(dst_bilateral);
../../_images/spatial_smoothing_17_0.png

5.5. 自訂 2d 濾波器

kernel = np.ones((5,5), np.float32)/25
kernel

array([[0.04, 0.04, 0.04, 0.04, 0.04],
       [0.04, 0.04, 0.04, 0.04, 0.04],
       [0.04, 0.04, 0.04, 0.04, 0.04],
       [0.04, 0.04, 0.04, 0.04, 0.04],
       [0.04, 0.04, 0.04, 0.04, 0.04]], dtype=float32)

dst = cv2.filter2D(
    src,
    -1, # ddpeth, 目前影像的深度，設 -1，表示與來源影像相同
    kernel # 自訂的 kernel
)

plt.imshow(dst);
../../_images/spatial_smoothing_20_0.png

previous

4. Crop image