Procesamiento de imágenes-opencv-2.Procesamiento de suavizado de imágenes
?
La mejora de imágenes consiste en procesar imágenes para hacerlas más adecuadas para aplicaciones específicas que las imágenes originales. Debe combinarse con aplicaciones prácticas. Para ciertas características de la imagen (como bordes, contornos, contraste, etc.), la mejora de la imagen las enfatizará o agudizará para facilitar la visualización, la observación o el análisis y procesamiento posteriores. Dependiendo de la aplicación, los métodos de mejora de imágenes también son diferentes. Los contenidos de la investigación incluyen:
El suavizado de imágenes es un algoritmo de mejora regional. Los algoritmos de suavizado incluyen promedio de vecindad, filtrado de mediana, filtrado de preservación de límites, etc. En el proceso de generación, transmisión y reproducción de imágenes, a menudo se ve interferido por ruido o se pierden datos por diversas razones, lo que reduce la calidad de la imagen (un píxel, si hay una diferencia significativa en comparación con los píxeles circundantes, indicando que este punto está infectado por ruido). Esto requiere alguna mejora de la imagen para minimizar el impacto de estos defectos. Los algoritmos comúnmente utilizados incluyen el filtrado medio, el filtrado de cajas, el filtrado gaussiano y el filtrado mediano.
El filtrado medio significa que el valor de píxel en cualquier punto es el promedio de los valores de N*M píxeles circundantes
resultado = cv2.blur (imagen original, tamaño del núcleo)
Desventajas: Imagen borrosa
Las diferencias entre el filtrado de cuadros y los núcleos de filtrado medio son básicamente las mismas. boxFilter (imagen original, profundidad de la imagen de destino, tamaño del núcleo, atributo de normalización)
Desventajas: imagen borrosa
Desventajas: comparación entre suavizado gaussiano y suavizado simple
Gaussiano El suavizado se diferencia del suavizado simple en que otorga diferentes pesos a los píxeles en diferentes ubicaciones cuando se promedian los píxeles dentro de una vecindad. El filtrado gaussiano otorga mayor importancia a los píxeles vecinos y calcula un promedio ponderado de los píxeles circundantes, donde los píxeles más cercanos tienen valores de peso mayores.
dst = cv2.GaussianBlur(src, ksize, sigmaX)
Desventajas: límites borrosos
El filtrado mediano es un método de procesamiento de imágenes no lineal que puede considerar ambos. el límite de eliminación de ruido y preservar el límite. Usted selecciona una ventana W que contiene un número impar de puntos, escanea la ventana de toda la imagen, organiza los píxeles en la ventana en orden ascendente o descendente de escala de grises y los reemplaza con el valor de escala de grises medio. El valor de gris del punto.
dst = cv2.medianBlur(src, ksize)