Opencv+Python实现图像运动模糊和高斯模糊的示例
更新时间:2019年04月11日 15:55:44 作者:-牧野-
今天小编就为大家分享一篇关于Opencv+Python实现图像运动模糊和高斯模糊的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
运动模糊:由于相机和物体之间的相对运动造成的模糊,又称为动态模糊
Opencv+Python实现运动模糊,主要用到的函数是cv2.filter2D()
:
# coding: utf-8 import numpy as np import cv2 def motion_blur(image, degree=12, angle=45): image = np.array(image) # 这里生成任意角度的运动模糊kernel的矩阵, degree越大,模糊程度越高 M = cv2.getRotationMatrix2D((degree / 2, degree / 2), angle, 1) motion_blur_kernel = np.diag(np.ones(degree)) motion_blur_kernel = cv2.warpAffine(motion_blur_kernel, M, (degree, degree)) motion_blur_kernel = motion_blur_kernel / degree blurred = cv2.filter2D(image, -1, motion_blur_kernel) # convert to uint8 cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX) blurred = np.array(blurred, dtype=np.uint8) return blurred img = cv2.imread('./9.jpg') img_ = motion_blur(img) cv2.imshow('Source image',img) cv2.imshow('blur image',img_) cv2.waitKey()
原图:
运动模糊效果:
高斯模糊:图像与二维高斯分布的概率密度函数做卷积,模糊图像细节
Opencv+Python实现高斯模糊,主要用到的函数是cv2.GaussianBlur()
:
# coding: utf-8 import numpy as np import cv2 img = cv2.imread('./9.jpg') img_ = cv2.GaussianBlur(img, ksize=(9, 9), sigmaX=0, sigmaY=0) cv2.imshow('Source image',img) cv2.imshow('blur image',img_) cv2.waitKey()
高斯模糊效果:
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接
相关文章
Deepsort + Yolo 实现行人检测和轨迹追踪的方法
这篇文章主要介绍了Deepsort + Yolo 实现行人检测和轨迹追踪,本项目通过采用深度学习方法实现YOLO算法行人检测和deepsort算法对人员定位的和轨迹跟踪,需要的朋友可以参考下2021-09-09
最新评论