1、ROI 操作
src = cv.imread('./1.jpg') cv.imshow('src',src) dst = src[40:240,100:300] gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY) im = cv.cvtColor(gray,cv.COLOR_GRAY2BGR) cv.imshow('dst',im) src[40:240,100:300] = im cv.imshow('roi',src) cv.waitKey(0)
结果:
2、均值模糊
img = cv.imread('3.jpg') cv.imshow('src', img) # 均值模糊 junzhu = cv.blur(img, (5, 5)) cv.imshow('junzhi', junzhu) # 中值模糊 mid = cv.medianBlur(img, 5) cv.imshow('mid', mid) cv.waitKey(0)
结果:
3、高斯模糊
img = cv.imread('./b.png') cv.imshow('src', img) # 高斯模糊 GaussianBlur() ,参2 与参3 只需要一个就行 gaussian1 = cv.GaussianBlur(img, (0, 0), 10) gaussian2 = cv.GaussianBlur(img, (5, 5), 0) cv.imshow('gaussian1111', gaussian1) cv.imshow('gaussian2222', gaussian2) cv.waitKey(0)
结果;
4、边缘保留滤波(epf)
a)高斯双边
img = cv.imread('face.jpg') cv.imshow('src', img) # 参2 d 距离 指定距离是,参4从此距离开始计算 参3 sigmaColor 的取值 取大点,把小的噪声去掉 参4 sigmaSpace 的取值 核越小计算量越大 dst = cv.bilateralFilter(img, 0, 100, 10) cv.imshow('dst', dst) cv.waitKey(0)
结果:
b)均值迁移
img = cv.imread('111.jpg') cv.imshow('src', img) dst = cv.pyrMeanShiftFiltering(img, 10, 30) cv.imshow('dst', dst) cv.waitKey(0)
结果: