圖像平滑 – 從基礎到實戰

一、基礎知識

圖像平滑是一種基本的圖像處理方法，其目的是通過去除圖像中的高頻部分（通常表示噪聲、邊界）來減少圖像中的噪聲和細節。

常見的圖像平滑方法包括均值濾波、中值濾波、高斯濾波等。其中，均值濾波和中值濾波是線性濾波算法，而高斯濾波則是非線性濾波算法。這些濾波算法都可以通過一些參數的微調來適應不同的圖像處理任務。

下面將分別介紹這些濾波算法的原理和實現。

二、均值濾波

均值濾波是一種簡單的線性濾波算法，它的原理是通過取鄰域像素的平均值來代替當前像素值。因此，均值濾波在平滑圖像的同時，也會導致一定的模糊，適用於對較弱噪聲的處理。

import cv2
import numpy as np

# 讀取圖片
img = cv2.imread("image.jpg")

# 定義濾波器大小為3*3
kernel = np.ones((3, 3), np.float32) / 9

# 執行均值濾波
result = cv2.filter2D(img, -1, kernel)

# 顯示結果
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、中值濾波

中值濾波是另一種線性濾波算法，與均值濾波不同的是，中值濾波是通過取鄰域像素值的中值來代替當前像素值。這種方法可以有效消除椒鹽噪聲的影響，但對於高斯噪聲等其他類型噪聲的效果則較差。

import cv2

# 讀取圖片
img = cv2.imread("image.jpg")

# 執行中值濾波
result = cv2.medianBlur(img, 5)

# 顯示結果
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、高斯濾波

高斯濾波是一種常用的非線性濾波算法，它的原理是通過卷積一個高斯函數來實現圖像平滑。在實現過程中，需要指定濾波器大小和高斯核的標準差。

import cv2

# 讀取圖片
img = cv2.imread("image.jpg")

# 執行高斯濾波
result = cv2.GaussianBlur(img, (5, 5), 0)

# 顯示結果
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、結語

圖像平滑是圖像處理中的一個基礎概念，其應用在計算機視覺、數字圖像處理等領域中非常廣泛。在實際應用中，需要根據具體的圖像處理任務和處理效果的要求來選擇不同的平滑算法和參數。通過深入學習和實踐，我們可以更好地理解和掌握圖像平滑的原理和實現。