其实我们平时在深度学习中所说的卷积操作，在 opencv 中也可以进行，或者说是类似操作。那么它是什么操作呢？它就是图像的模糊（滤波）处理。
均值滤波
使用 opencv 中的cv2.blur(src, ksize)函数。其参数说明是：
src: 原图像ksize: 模糊核大小
原理：它只取内核区域下所有像素的平均值并替换中心元素。3x3 标准化的盒式过滤器如下所示：
- 特征：核中区域贡献率相同。
- 作用：对于椒盐噪声的滤除效果比较好。
# -*-coding:utf-8-*-
"""
File Name: image_deeplearning.py
Program IDE: PyCharm
Date: 2021/10/17
Create File By Author: Hong
"""
import cv2 as cv
def image_blur(image_path: str):
"""
图像卷积操作：设置卷积核大小，步距
:param image_path:
:return:
"""
img = cv.imread(image_path, cv.IMREAD_COLOR)
cv.imshow('input', img)
# 模糊操作（类似卷积），第二个参数ksize是设置模糊内核大小
result = cv.blur(img, (5, 5))
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
path = 'images/2.png'
image_blur(path)
结果展示：
高斯滤波
高斯滤波使用的是cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)函数。
说明：sigmaX,sigmaY分别表示 X,Y 方向的标准偏差。如果仅指定了sigmaX，则sigmaY与sigmaX相同；如果两者都为零，则根据内核大小计算它们。
-
特征：核中区域贡献率与距离区域中心成正比，权重与高斯分布相关。
-
作用：高斯模糊在从图像中去除高斯噪声方面非常有效。
def image_conv(image_path: str):
"""
高斯模糊
:param image_path:
:return:
"""
img = cv.imread(image_path, cv.IMREAD_COLOR)
cv.imshow('img', img)
# 高斯卷积（高斯滤波）， 可以设置ksize，必须为奇数，不为0时，后面的步骤不起作用；也可以设置成（0，0），然后通过sigmaX和sigmaY计算标准偏差
result = cv.GaussianBlur(img, (0, 0), 15)
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
path = 'images/2.png'
image_conv(path)
结果展示：
高斯双边滤波
双边滤波（模糊）使用的是cv2.bilateralFilter(img,d, sigmaColor, sigmaSpace)函数。
说明：d为邻域直径，sigmaColor为空间高斯函数标准差，参数越大，临近像素将会在越远的地方越小。
sigmaSpace灰度值相似性高斯函数标准差，参数越大，那些颜色足够相近的的颜色的影响越大。
双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空间与信息和灰度相似性，达到保边去噪的目的，具有简单、非迭代、局部处理的特点。之所以能够达到保边去噪的滤波效果是因为滤波器由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个是由像素差值决定滤波器系数。
- 特征：处理耗时。
- 作用：在滤波的同时能保证一定的边缘信息。
# 边缘保留滤波器——高斯双边模糊
def image_bifilter(image_path: str):
"""
高斯双边模糊
:param image_path: 图片文件
:return: 无返回值
"""
img = cv.imread(image_path, cv.IMREAD_COLOR)
cv.imshow('input', img)
# 第三个参数是设置色彩、第四个参数是设置图像坐标
result = cv.bilateralFilter(img, 0, 50, 10)
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()
if __name__ == '__main__':
path = 'images/2.png'
image_bifilter(path)
结果展示：
获取更多计算机视觉内容，请关注微信公众号 ”AI 与计算机视觉“。