OpenCV-Python系列六：圖像濾波

圖像濾波是一種十分常見的圖像處理手段。通常，你可以認為相鄰位置像素是緊密聯(lián)系的，它們共同來顯示對某個物體，圖像濾波則通過運算來排除圖像中和周圍相差大的像素。當然，這并不是絕對的， 有時候你為了評估圖像的質(zhì)量，也會將這些“特立獨行”的像素作為選取的目標 。無論你采用什么方法，記住你要的目標就行，有時候你的目標可能是別人的背景。

創(chuàng)新互聯(lián)建站是一家集網(wǎng)站建設(shè),武邑企業(yè)網(wǎng)站建設(shè),武邑品牌網(wǎng)站建設(shè),網(wǎng)站定制,武邑網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,武邑網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

濾波常常會使得圖像變得模糊(非絕對)，那么，為什么你需要將一幅清晰的圖像變得模糊呢？下面的例子應(yīng)該可以解釋。

高斯濾波采用滿足正態(tài)分布的核模板，其參數(shù)的主要參數(shù)是標準差σ，代表核的離散程度，σ值越小，模板中心系數(shù)與邊緣系數(shù)差越大，平滑的程度越小。

高斯濾波對圖像采集過程中由于不良照明/高溫引起的傳感器噪聲信號有較好的效果，消除了圖像中的高頻信號。

由于得到的是一維的Gaussian Kernel，你可以采用下面的方式轉(zhuǎn)為二維的

為了便于直觀感受高斯濾波的效果，使用Canny算子來提取輪廓對比，你可以試試在特征提取前加高斯濾波對比。

補充說明：對于均值濾波，你也可以使用cv2.boxFilter(src, ddepth, ksize[, dst[, anchor[, normalize[, borderType]]]])來實現(xiàn)，需要將normalize設(shè)置為True,當設(shè)置normalize為False時，實現(xiàn)的是將kernel內(nèi)像素相加，官方文檔做出的描述為：

中值濾波對圖像中的脈沖型(椒鹽等)噪聲信號處理效果好，當 你的應(yīng)用場景存在這種顆粒感的噪聲信號時，中值濾波會是一種很好的選擇 。它，選取kernel區(qū)域內(nèi)像素點集的中值最為錨點的像素值，對類似投票機制中的最高分(高灰階點)和最低分(過低灰階點)影響有很好的抑制作用。

如果你的應(yīng)用涉及到圖像美化，雙邊濾波可以初步達到你的期望，關(guān)于雙邊濾波，這里不做展開，由你來探索，其函數(shù)參數(shù)信息如下。

對于opencv-python的圖像濾波部分有問題歡迎留言， Have Fun With OpenCV-Python, 下期見。

python如何實現(xiàn)類似matlab的小波濾波？

T=wpdec(y,5,'db40');

%信號y進行波包解層數(shù)5T波樹plot看

a10=wprcoef(T,[1,0]);

%a10節(jié)點[1,0]進行重構(gòu)信號貌似沒層重構(gòu)說吧能某層某節(jié)點進行重構(gòu)節(jié)點編號波樹

%以下為濾波程序（主要調(diào)節(jié)參數(shù)c的大?。?/p>

c=10;

wn=0.1;

fs=50000; %采樣頻率；

b=fir1(c,wn/(fs/2),hamming(c+1));

y1=filtfilt(b,1,y);%對y濾波。

python中怎么生成基于窗函數(shù)的fir濾波器

SciPy提供了firwin用窗函數(shù)設(shè)計低通濾波器，firwin的調(diào)用形式如下：

firwin(N, cutoff, width=None, window='hamming')

其中N為濾波器的長度；cutoff為以正規(guī)化的頻率；window為所使用的窗函數(shù)。

如何用python實現(xiàn)圖像的一維高斯濾波器

如何用python實現(xiàn)圖像的一維高斯濾波器

現(xiàn)在把卷積模板中的值換一下，不是全1了，換成一組符合高斯分布的數(shù)值放在模板里面，比如這時中間的數(shù)值最大，往兩邊走越來越小，構(gòu)造一個小的高斯包。實現(xiàn)的函數(shù)為cv2.GaussianBlur()。對于高斯模板，我們需要制定的是高斯核的高和寬（奇數(shù)），沿x與y方向的標準差(如果只給x，y=x，如果都給0，那么函數(shù)會自己計算)。高斯核可以有效的出去圖像的高斯噪聲。當然也可以自己構(gòu)造高斯核，相關(guān)函數(shù)：cv2.GaussianKernel().

import cv2

import numpy as np

import matplotlib.pyplot as plt

img = cv2.imread(‘flower.jpg‘,0) #直接讀為灰度圖像

for i in range(2000): #添加點噪聲

temp_x = np.random.randint(0,img.shape[0])

temp_y = np.random.randint(0,img.shape[1])

img[temp_x][temp_y] = 255

blur = cv2.GaussianBlur(img,(5,5),0)

plt.subplot(1,2,1),plt.imshow(img,‘gray‘)#默認彩色，另一種彩色bgr

plt.subplot(1,2,2),plt.imshow(blur,‘gray‘)

【轉(zhuǎn)載】Python實現(xiàn)信號濾波（基于scipy）

利用Python scipy.signal.filtfilt() 實現(xiàn)信號濾波

Required input defintions are as follows;

time: Time between samples

band: The bandwidth around the centerline freqency that you wish to filter

freq: The centerline frequency to be filtered

ripple: The maximum passband ripple that is allowed in db

order: The filter order. For FIR notch filters this is best set to 2 or 3, IIR filters are best suited for high values of order. This algorithm is hard coded to FIR filters

filter_type: 'butter', 'bessel', 'cheby1', 'cheby2', 'ellip'

data: the data to be filtered

用python設(shè)計FIR陷波濾波器

濾波方法及python實現(xiàn)

對濾波的 總結(jié) ： 對特定頻率進行有效提取，并對提取部分進行特定的處理（增益，衰減，濾除）的動作被叫做濾波。

最常用的濾波器類型有三種： 通過式（Pass），擱架式（Shelving）和參量式（Parametric）。 濾波器都有一個叫 參考頻率（Reference Frequency）的東西 ，在不同類型的濾波器中，具體的叫法會有所不同。

通過式濾波器可以讓參考頻率一側(cè)的頻率成分完全通過該濾波器，同時對另一側(cè)的頻率成分做線性的衰減，就是，一邊讓通過，一邊逐漸被濾除。在信號學(xué)中，通過的區(qū)域被稱為通帶，濾除的區(qū)域被叫做阻帶，在通過式濾波器中，參考頻率通常被稱為截止頻率。

高通濾波器（high-pass filters）：讓截止頻率后的高頻區(qū)域通過，另一側(cè)濾除，低通濾波器（low-pass filters）：讓截止頻率前的低頻區(qū)域通過，另一側(cè)濾除，通

以下是高通濾波器與低通濾波器的核心參數(shù)：

截止頻率（Cut-off frequency） ：決定了通帶（通過的頻率部分）與阻帶（阻止的頻率部分）的分界曲線，截止頻率的位置并非是在曲線開始彎曲的那個點，而是在-3dB的位置。以圖2左側(cè)的高通濾波器為例，截止頻率點之上的部分頻率并沒有全部被通過，而是有個曲線，在曲線回歸平直后其頻率才被完全通過。至于為什么要將-3dB的位置設(shè)為截止頻率，是因為-3dB對于濾波器的設(shè)計而言是個非常重要的位置，如果設(shè)為其他位置，則會讓通過式濾波器的設(shè)計變得尤為復(fù)雜。

斜率（Slope） ：表示的是通帶與阻帶的分界曲線的傾斜程度，也就是說斜率決定了分界曲線是偏向平緩的，還是偏向垂直的，斜率越大（更陡峭），人工處理的痕跡就越明顯。斜率的單位為dB/oct，中文稱為分貝每倍頻程。雖然繞口，但其實很簡單，如6dB/oct，意思為一個倍頻程的距離會產(chǎn)生6dB的衰減，數(shù)字濾波器常見的斜率選擇有6dB/oct，12dB/oct，18dB/oct，24dB/oct，30dB/oct等等（圖3）。

scipy.signal.filtfilt(b, a, x, axis=-1, padtype='odd', padlen=None, method='pad', irlen=None)

scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba')

這里假設(shè)采樣頻率為1000hz,信號本身最大的頻率為500hz，要濾除10hz以下和400hz以上頻率成分，即截至頻率為10hz和400hz,則wn1=2*10/1000=0.02,wn2=2*400/1000=0.8。Wn=[0.02,0.8]

文章標題：python信號濾波函數(shù) python濾波算法
本文路徑：http://jinyejixie.com/article36/hpsdsg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供定制網(wǎng)站、企業(yè)網(wǎng)站制作、響應(yīng)式網(wǎng)站、網(wǎng)站設(shè)計公司、自適應(yīng)網(wǎng)站、微信公眾號

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)