第三章：OpenCV-Python 图像平滑处理3-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、在《OpenCV-Python 图像平滑处理2：blur函数及滤波案例》介绍了使用blur实现图像模糊处理，本文将介绍另外一个OpenCV-Python的函数boxFilter实现平滑处理。

二、boxFilter介绍

2.1、简介

boxFilter也是OpenCV用于进行图像模糊处理的函数，该函数使用盒装滤波器进行均值滤波平滑处理。盒状滤波器的所有元素都相等，其元素为浮点数。

boxFilter的核矩阵的元素取值有两种，与归一化参数normalize 有关。boxFilter对应核矩阵为：

这里的α取值规则如下：

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

1	dst	=	cv.boxFilter(	src, ddepth, ksize[, dst[, anchor[, normalize[, 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；

ddepth：输出图像深度（请参考《图像表示的相关概念：图像深度、像素深度、位深的区别和关系》），如果目标图像深度和输入图像深度相同，则传值-1，老猿测试在Python中此时取值None、0效果也一样，注意ddepth在这里必须传值，不能使用默认值。

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

normalize：核矩阵是否归一化处理的标记，为True进行归一化处理，否则不进行归一化处理，默认值为True

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，boxFilter函数与blur函数一样，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，而blur函数又是boxFilter函数归一化处理的特例。

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 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('Averaging')
    plt.xticks([]), plt.yticks([])
    plt.show()
    return dst

def smoothingByBoxFilter():
    img = cv2.imread('f:\\pic\\opencvLogo.JPG')
    ksize = (5,5)
    dst = cv2.boxFilter(img, ddepth=-1, ksize=ksize,normalize =True)
    plt.subplot(121), plt.imshow(img), plt.title('Original')
    plt.xticks([]), plt.yticks([])
    plt.subplot(122), plt.imshow(dst), plt.title('Averaging')
    plt.xticks([]), plt.yticks([])
    plt.show()
    return dst

d1 = smoothingByBlur()
d2 = smoothingByBoxFilter()

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boxFilter归一化的处理的结果矩阵与filter2D、blur处理的结果完全一样。

当不进行归一化处理时，图像处理效果如下：

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boxFilter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，可以看到其归一化的模糊化处理结果与filter2D、blur函数完全一样，实际上它是filter2D一种特定场景的应用，而blur又是boxFilter函数归一化处理的特例