如何使用 OpenCV Python 将自定义过滤器应用于图像(2D 卷积)?

opencvpythonserver side programmingprogramming

在本教程中，我们将了解如何应用两个不同的低通滤波器来平滑(去除图像中的噪声)。这两个滤波器是 filter2D 和 boxFilter。这些滤波器是空间中的 2D 滤波器。

将 2D 滤波器应用于图像也称为"2D 卷积运算"。这些滤波器通常称为平均滤波器。

这些滤波器的主要缺点是它们也会平滑图像中的边缘。如果您不想平滑边缘，可以应用"双边滤波器"。双边滤波操作可保留边缘。

语法

以下是 Filter2D 和 BoxFilter 的语法

cv2.filter2D(img, ddepth, kernel)
cv2.boxFilter(img, ddepth, ksize)

参数

img − 要应用滤波操作的输入图像。
ddepth − 输出图像的所需深度。如果"depth = -1"，则返回与输入图像具有相同深度的输出图像。
kernel − 卷积核。在 filter2D 中，我们将内核作为 numpy 数组传递。
ksize − 内核大小。在 boxFilter 中，我们仅将内核大小作为元组传递。

步骤

要执行双边过滤操作，您可以按照以下步骤操作 −

导入所需的库。在以下所有 Python 示例中，所需的 Python 库均为 OpenCV。确保您已经安装了它。

import cv2

读取输入图像并将其转换为灰度图像

img = cv2.imread('vehicle.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

定义内核以应用 filter2D。

定义内核以应用 filter2D。
kernel = np.ones((5,5),np.float32)/25

对输入图像应用 filter2D 或 boxFilter 过滤。我们将 ddepth、kernel 或 ksize 作为参数传递给 filter 函数。

result = cv2.filter2D(img,-1,kernel)
result = cv2.boxFilter(img,-1,(5,5))

显示过滤后的图像。

cv2.imshow('Filter 2D Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows())

让我们看看对输入图像执行 filter2D 和 boxFilter 操作的示例。

我们将在下面的所有示例中使用以下图像作为 输入文件。

示例 1

在此 Python 程序中，我们使用 5×5 内核将 filter2D 应用于输入图像。

# import required libraries
import cv2
import numpy as np

# read the input image
img = cv2.imread('vehicle.jpg')

# convert the image to grayscale
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# define a 5x5 kernel
kernel = np.ones((5,5),np.float32)/25

# Apply the averaging filter
result = cv2.filter2D(img,-1,kernel)

# Display the output image
cv2.imshow("Filter 2D Image ", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

当我们执行上述代码时，它将产生以下输出窗口 -

上述输出图像是使用 cv2.filter2D() 应用平均滤波器后获得的。

示例 2

在下面的 Python 示例中，我们使用 5×5 内核对输入图像应用 boxFilter 操作。

# Import required library
import cv2

# Read the input image
img = cv2.imread('vehicle.jpg')

# convert the image to grayscale
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply boxFilter to the input image
result = cv2.boxFilter(img,-1,(5,5))

# display the image after filter operation
cv2.imshow("Box Filter Image", result)
cv2.waitKey(0)
cv2.destroyAllWindows()