原标题：在OpenCV里实现联合双边滤波

原文来自：CSDN      原文链接：https://blog.csdn.net/caimouse/article/details/101209665

在前面学习了双边滤波，虽然实现保边平滑的效果，但是平滑效果有时候不如高斯平滑。那么有没有改进的方法呢？这里来回忆一下，前面双边滤波里，使用原图像的灰度相似度作为相似算法，是否可以从这里下手呢？其实是可以的。可以先对原图像进行高斯平滑，然后把这幅图像的灰度值作为计算相似度，替代双边滤波里的原图像相似度计算。把这种方法叫做联合双边滤波，双边滤波的公式如下：

根据联合双边滤波可以把公式改为这样：

这里可以看到灰度值计算方式发生了改变，它是从高斯平滑之后的图片里取值，是引入另外一幅图像，不是原始图像。在python里，要使用这个功能，需要安装opencv-contrib-python，如果原来已经安装opencv-python，要先删除再安装它，进行如下操作：

pip uninstall opencv-python （如果已经安装opencv-python包，先卸载）

pip install opencv-contrib-python

当安装成功之后，就可使用下面的例子来测试联合双边滤波:

#python 3.7.4,opencv4.1

#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579

#

import cv2

import numpy as np

#图片的路径

imgname = "imgjbf.png"

#读取图片

image = cv2.imread(imgname, cv2.IMREAD_COLOR)

#图片的高度和宽度

h,w = image.shape[:2]

print('imagesize={}-{}'.format(w,h))

#显示原图

cv2.imshow("Image",image)

#平滑

joint  = cv2.GaussianBlur(image,(33,33),3,3)

out = cv2.ximgproc.jointBilateralFilter(joint,image,-1,10,9)

#out = out.astype(np.uint8)

cv2.imshow("joint",joint)

cv2.imshow("out",out)

cv2.waitKey(0)

cv2.destroyAllWindows()

输入原图

联合双边滤波后图片

高斯平滑后的图片

调用函数的定义：

joint: 进行联合滤波的导向图像，可以为单通道或多通道，保持边缘的滤波算法时常采用src

src: 输入图像对象矩阵,可以为单通道或多通道

d:用来计算卷积核的领域直径，如果d<0，从sigmaSpace计算d

sigmaColor：颜色空间滤波器标准偏差值，决定多少差值之内的像素会被计算（构建灰度值模板）

sigmaSpace:坐标空间中滤波器标准偏差值。如果d>0，设置不起作用，否则根据它来计算d值（构建距离权重模板）

https://blog.csdn.net/caimouse/article/details/51749579

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com