• 任务描述
• 相关知识
  • 1. 高斯平滑
  • 2. 均值平滑
  • 3. 中值平滑
  • 4. 双边滤波
• 编程要求
• 测试说明

---

任务描述

为了完成本关任务，你需要掌握：OpenCV的各种平滑处理。

相关知识

1. 高斯平滑

高斯平滑即采用高斯卷积核对图像矩阵进行卷积操作。高斯卷积核是一个近似服从高斯分布的矩阵，随着距离中心点的距离增加，其值变小。这样进行平滑处理时，图像矩阵中锚点处像素值权重大，边缘处像素值权重小，下为一个3*3的高斯卷积核：

高斯平滑处理：

1. dst = cv2.GaussianBlur(src,ksize,sigmaX,sigmay,borderType)

参数说明：

1. src: 输入图像矩阵,可为单通道或多通道，多通道时分别对每个通道进行卷积
2. dst:输出图像矩阵,大小和数据类型都与src相同
3. ksize:高斯卷积核的大小，宽，高都为奇数，且可以不相同
4. sigmaX: 一维水平方向高斯卷积核的标准差 (该代码使用1)
5. sigmaY: 一维垂直方向高斯卷积核的标准差，默认值为0，表示与sigmaX相同
6. borderType:填充边界类型

原版英文解释

1. GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]]) -> dst
2. . @brief Blurs an image using a Gaussian filter.
3. .
4. . The function convolves the source image with the specified Gaussian kernel. In-place filtering is
5. . supported.
6. .
7. . @param src input image; the image can have any number of channels, which are processed
8. . independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
9. . @param dst output image of the same size and type as src.
10. . @param ksize Gaussian kernel size. ksize.width and ksize.height can differ but they both must be
11. . positive and odd. Or, they can be zero's and then they are computed from sigma.
12. . @param sigmaX Gaussian kernel standard deviation in X direction.
13. . @param sigmaY Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be
14. . equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height,
15. . respectively (see #getGaussianKernel for details); to fully control the result regardless of
16. . possible future modifications of all this semantics, it is recommended to specify all of ksize,
17. . sigmaX, and sigmaY.
18. . @param borderType pixel extrapolation method, see #BorderTypes
19. .
20. . @sa sepFilter2D, filter2D, blur, boxFilter, bilateralFilter, medianBlur

2. 均值平滑

高斯卷积核，对卷积框中像素值赋予不同权重，而均值平滑赋予相同权重，一个3*5的均值卷积核如下：

opencv的boxFilter()函数和blur()函数都能用来进行均值平滑。

1. cv2.boxFilter(src,ddepth,ksize,dst,anchor,normalize,borderType)

参数说明：

1. src: 输入图像对象矩阵,
2. ddepth:数据格式,位深度-1代表使用原图深度
3. ksize:高斯卷积核的大小，格式为(宽，高)
4. dst:输出图像矩阵,大小和数据类型都与src相同
5. anchor：卷积核锚点，默认(-1,-1)表示卷积核的中心位置
6. normalize:是否归一化
7. borderType:填充边界类型

1. cv2.blur(src,ksize,dst,anchor,borderType)

参数说明：

1. src: 输入图像对象矩阵,可以为单通道或多通道
2. ksize:高斯卷积核的大小，格式为(宽，高)
3. dst:输出图像矩阵,大小和数据类型都与src相同
4. anchor：卷积核锚点，默认(-1,-1)表示卷积核的中心位置
5. borderType:填充边界类型

原版英文注解:

1. boxFilter(src, ddepth, ksize[, dst[, anchor[, normalize[, borderType]]]]) -> dst
2. . @brief Blurs an image using the box filter.
3. . The function smooths an image using the kernel:
4. . \f[\texttt{K} = \alpha \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \end{bmatrix}\f]
5. . where
6. . \f[\alpha=\fork{\frac{1}{\texttt{ksize.width*ksize.height}}}{when \texttt{normalize=true}}{1}{otherwise}\f]
7. . Unnormalized box filter is useful for computing various integral characteristics over each pixel
8. . neighborhood, such as covariance matrices of image derivatives (used in dense optical flow
9. . algorithms, and so on). If you need to compute pixel sums over variable-size windows, use #integral.
10. . @param src input image.
11. . @param dst output image of the same size and type as src.
12. . @param ddepth the output image depth (-1 to use src.depth()).
13. . @param ksize blurring kernel size.
14. . @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel center.
15. . @param normalize flag, specifying whether the kernel is normalized by its area or not.
16. . @param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes
17. . @sa blur, bilateralFilter, GaussianBlur, medianBlur, integral
20. blur(src, ksize[, dst[, anchor[, borderType]]]) -> dst
21. . @brief Blurs an image using the normalized box filter.
22. . The function smooths an image using the kernel:
23. . \f[\texttt{K} = \frac{1}{\texttt{ksize.width*ksize.height}} \begin{bmatrix} 1 & 1 & 1 & \cdots & 1 & 1 \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \hdotsfor{6} \\ 1 & 1 & 1 & \cdots & 1 & 1 \\ \end{bmatrix}\f]
24. . The call `blur(src, dst, ksize, anchor, borderType)` is equivalent to `boxFilter(src, dst, src.type(),anchor, true, borderType)`.
25. . @param src input image; it can have any number of channels, which are processed independently, but
26. . the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
27. . @param dst output image of the same size and type as src.
28. . @param ksize blurring kernel size.
29. . @param anchor anchor point; default value Point(-1,-1) means that the anchor is at the kernel center.
30. . @param borderType border mode used to extrapolate pixels outside of the image, see #BorderTypes
31. . @sa boxFilter, bilateralFilter, GaussianBlur, medianBlur

3. 中值平滑

是对核中所有像素值排序得到中间值，用该中间值来代替锚点值。 opencv中利用medianBlur()来进行中值平滑。

1. cv2.medianBlur(src,ksize,dst)

参数说明：

1. src: 输入图像对象矩阵,可以为单通道或多通道
2. ksize:核的大小，格式为 3 #注意不是（3,3） 该处(5)
3. dst:输出图像矩阵,大小和数据类型都与src相同

原版英文注解

1. medianBlur(src, ksize[, dst]) -> dst
2. . @brief Blurs an image using the median filter.
3. . The function smoothes an image using the median filter with the \f$\texttt{ksize} \times
4. . \texttt{ksize}\f$ aperture. Each channel of a multi-channel image is processed independently.
5. . In-place operation is supported.
6. . @note The median filter uses #BORDER_REPLICATE internally to cope with border pixels, see #BorderTypes
7. . @param src input 1-, 3-, or 4-channel image; when ksize is 3 or 5, the image depth should be
8. . CV_8U, CV_16U, or CV_32F, for larger aperture sizes, it can only be CV_8U.
9. . @param dst destination array of the same size and type as src.
10. . @param ksize aperture linear size; it must be odd and greater than 1, for example: 3, 5, 7 ...
11. . @sa bilateralFilter, blur, boxFilter, GaussianBlur

4. 双边滤波

相比于上面几种平滑算法，双边滤波在平滑的同时还能保持图像中物体的轮廓信息。双边滤波在高斯平滑的基础上引入了灰度值相似性权重因子，所以在构建其卷积核核时，要同时考虑空间距离权重和灰度值相似性权重。在进行卷积时，每个位置的邻域内，根据和锚点的距离d构建距离权重模板，根据和锚点灰度值差异r构建灰度值权重模板，结合两个模板生成该位置的卷积核。

opencv中的bilateralFilter()函数实现了双边滤波，其参数对应如下：

1. dst = cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace,borderType)

参数说明：

1. src: 输入图像对象矩阵,可以为单通道或多通道
2. d: 用来计算卷积核的领域直径，如果d<=0，从sigmaSpace计算d
3. sigmaColor： 颜色空间过滤器的sigma值，这个参数的值越大，表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等颜色区域。(该代码使用0.2)
4. sigmaSpace： 坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace. (该代码使用40)

编程要求

补全右侧代码，对原图进行下面操作后输出： 1.高斯平滑 2.均值平滑 3.中值平滑 4.双边滤波

测试说明

平台会对你编写的代码进行测试：

测试输入：

输出：

---

开始你的任务吧，祝你成功！

import cv2  
  
img = cv2.imread('home/OpenCV_ph/img/timg2.jpg')  
  
def img_gauss_us():  
    # 任务1 高斯平滑，高斯卷积核的大小，宽，高为 (3,3)，标准差为1  
    img_gauss = cv2.GaussianBlur(img, (3, 3), 1)  
      
    cv2.putText(img_gauss, 'GaussianBlur', (10, 100), cv2.FONT_HERSHEY_PLAIN, 4, (255, 255, 255), 2, cv2.LINE_AA)  
    cv2.imwrite('home/OpenCV_ph/img_out/img_gauss_us.jpg', img_gauss)  
    return img_gauss  
  
def boxFilter_and_blur_us():  
    # 任务2 均值平滑，使用opencv的boxFilter()函数和blur()函数进行均值平滑  
    # boxFilter()函数均值平滑深度为-1，宽高(3,5)  
    # blur()函数均值平滑，宽高(3,5)  
    img_blur = cv2.blur(img, (3, 5))  
    img_boxFilter = cv2.boxFilter(img, -1, (3, 5))  
  
    cv2.putText(img_blur, 'img_blur', (10, 100), cv2.FONT_HERSHEY_PLAIN, 4, (255, 255, 255), 2, cv2.LINE_AA)  
    cv2.putText(img_boxFilter, 'img_boxFilter', (10, 100), cv2.FONT_HERSHEY_PLAIN, 4, (255, 255, 255), 2, cv2.LINE_AA)  
    cv2.imwrite('home/OpenCV_ph/img_out/boxFilter_and_blur_us1.jpg', img_blur)  
    cv2.imwrite('home/OpenCV_ph/img_out/boxFilter_and_blur_us2.jpg', img_boxFilter)  
    return img_blur, img_boxFilter  
  
def img_medianblur_us():  
    # 任务3 中值平滑，核的大小，格式为5  
    img_medianblur = cv2.medianBlur(img, 5)  
  
    cv2.putText(img_medianblur, 'img_medianblur', (10, 100), cv2.FONT_HERSHEY_PLAIN, 4, (255, 255, 255), 2, cv2.LINE_AA)  
    cv2.imwrite('home/OpenCV_ph/img_out/img_medianblur_us.jpg', img_medianblur)  
    return img_medianblur  
  
def img_bilateral_us():  
    # 任务4 双边滤波，卷积核的领域直径0（自动计算），颜色空间滤波器标准偏差值0.2，坐标空间中滤波器标准偏差值40  
    img_bilateral = cv2.bilateralFilter(img, 0, 0.2, 40)  
  
    cv2.putText(img_bilateral, 'img_bilateral', (10, 100), cv2.FONT_HERSHEY_PLAIN, 4, (255, 255, 255), 2, cv2.LINE_AA)  
    cv2.imwrite('home/OpenCV_ph/img_out/img_bilateral_us.jpg', img_bilateral)  
    return img_bilateral  
  
# 调用函数以执行图像处理任务（可选）  
# img_gauss_us()  
# boxFilter_and_blur_us()  
# img_medianblur_us()  
# img_bilateral_us()