第二章：OpenCV-Python 图像平滑处理2-灵析社区

一、图像平滑处理简介

图像平滑处理的基本概念非常直观，它使用滤波器模板确定的邻域内像素的平均/加权平均灰度值代替图像中每个像素的值。平滑线处理滤波器也称均值滤波器，所有系数都相等（非加权平均）的空间均值滤波器也称为盒状滤波器。

在《OpenCV-Python 图像平滑处理1：卷积函数filter2D详解及用于均值滤波的案例》介绍了使用filter2D实现

图像平滑处理，本文将介绍另外一个OpenCV-Python的函数blur实现平滑处理。

二、blur介绍

2.1、简介

blur是OpenCV用于进行图像模糊处理的函数，该函数使用归一化的盒装滤波器进行均值滤波处理。盒状滤波器的所有元素都相等，其元素为浮点数。blur的核矩阵进行了归一化处理，每个元素值=1/（滤波器核高×核宽），因此核矩阵的所有元素和值为1。

对系数相等的盒状滤波来说，由于核矩阵的对称性，卷积和相关的处理结果相同。关于相关和卷积的关系请参考《《数字图像处理》空间滤波学习感悟2：空间相关与卷积的概念、区别及联系》的介绍。

2.2、语法说明

语法

dst	=	cv.blur(	src, ksize[, dst[, anchor[, borderType]]]	)

参数说明

src：输入图像，可以是任何通道数的图像，处理时是各通道拆分后单独处理，但图像深度必须是CV_8U, CV_16U, CV_16S, CV_32F 或CV_64F；

dst：结果图像，其大小和类型都与输入图像相同；

ksize：卷积核（convolution kernel ）矩阵大小，如上概述所述，实际上是相关核（correlation kernel），为一个单通道的浮点数矩阵，如果针对图像不同通道需要使用不同核，则需要将图像进行split拆分成单通道并使用对应核逐个进行处理

anchor：核矩阵的锚点，用于定位核距中与当前处理像素点对齐的点，默认值（-1，-1），表示锚点位于内核中心，否则就是核矩阵锚点位置坐标，锚点位置对卷积处理的结果会有非常大的影响；

borderType：当要扩充输入图像矩阵边界时的像素取值方法，当核矩阵锚点与像素重合但核矩阵覆盖范围超出到图像外时，函数可以根据指定的边界模式进行插值运算。可选模式包括：

注意：

BORDER_WRAP在此不支持；

默认值为BORDER_DEFAULT ，与BORDER_REFLECT_101 、BORDER_REFLECT101相同

2.4、返回值

返回值为结果图像矩阵，因此输入参数中的dst参数无需输入。

从以上介绍可知，blur函数就是在《OpenCV-Python 图像平滑处理1：卷积函数filter2D详解及用于均值滤波的案例》介绍的filter2D的一种用于均值滤波的特定应用。

三、使用案例

下面的案例脱胎于OpenCV帮助文档，代码对输入图像进行均值滤波：

import cv2
import numpy as np
from opencvPublic import cmpMatrix

def smoothingByFiler2D():
    img = cv2.imread('f:\\pic\\opencvLogo.JPG')
    kernal = np.ones((5, 5), np.float32) / 25
    dst = cv2.filter2D(img, None, kernal,delta=0)

    return dst

def smoothingByBlur():
    img = cv2.imread('f:\\pic\\opencvLogo.JPG')
    ksize = (5,5)
    dst = cv2.blur(img,  ksize)
    plt.subplot(121), plt.imshow(img), plt.title('Original')
    plt.xticks([]), plt.yticks([])
    plt.subplot(122), plt.imshow(dst), plt.title('Blurred')
    plt.xticks([]), plt.yticks([])
    plt.show()
    return dst

d1 = smoothingByBlur()
d2 = smoothingByFiler2D()

if(cmpMatrix(d1,d2)): #对比两个结果矩阵是否一致
    print('d1==d2')
else: print('d1!=d2')

结果输出：

文字输出：

d1==d2

可以看到输出图像比输入图像变模糊了，且blur处理的结果矩阵与filter2D处理的结果完全一样。

四、小结

本文介绍了图像平滑处理及均值滤波等基础概念，并详细介绍了卷积函数blur的Python语法及参数，并用之进行了对图像的均值滤波平滑处理，可以看到其模糊化处理结果与filter2D完全一样，实际上它是filter2D一种特定场景的应用。