选取一张图片，通过滑动条控制参数，对图片进行均值滤波，高斯滤波，中值滤波，双波滤波的处理

选取一张图片，通过滑动条控制参数，对图片进行均值滤波，高斯滤波，中值滤波，双波滤波的处理

最近在学习人机交互，本文章是对python调用opencv实现图像平滑的一些总结。包括四个算法：均值滤波，中值滤波，高斯滤波，双边滤波。

均值滤波 cv2.blur(img, (ksize,ksize))

第一个参数是处理的图像
第二个参数是核的大小，核的大小只能是大于1的奇数，如3，5，7等。

中值滤波 cv2.medianBlur(img, kisze)

第一个参数是操作的图像
第二个参数是核的尺寸

高斯滤波 cv2.gaussianBlur(img, (ksize, ksize), sigmaX)

第二个参数是核的大小
第三个参数sigmaX影响模糊效果：
sigmaX小，表现在高斯曲线上就是曲线越高越尖，表现在滤波效果上就是模糊程度小；
sigmaX大，表现在高斯曲线上就是曲线越矮越平缓，表现在滤波效果上就是模糊程度大

双边滤波 cv2.bilateralFilter(img, d, sigmaColor, sigmaSpace)

第二个参数是领域的直径
第三个参数sigmaColor是灰度值相似性高斯函数标准差和空间高斯函数标准差。
第四个参数sigmaSpace是空间高斯函数标准差

代码如下：

#  -*- coding: utf-8 -*-
import cv2WINDOWNAME = "lvbo"
MeanBlurValue = 1
GaussianBlurValue = 1
MedianBlurValue = 1
BilateralFilterValue = 1
KSIZE = 1
MaxVal = 20#均值滤波回调函数
def on_MeanBlur(MeanBlurValue):KSIZE = MeanBlurValue * 2 + 1img1 = cv2.blur(img, (KSIZE, KSIZE))cv2. imshow(WINDOWNAME, img1)
#中值滤波回调函数
def on_MedianBlur(MedianBlurValue):KSIZE = MedianBlurValue * 2 + 1img3 = cv2.medianBlur(img, KSIZE)cv2.imshow(WINDOWNAME, img3)
#高斯滤波回调函数
def on_GaussianBlur(GaussianBlurValue):global KSIZEKSIZE = GaussianBlurValue * 2 + 3#后两个参数：核的大小和方差img2 = cv2.GaussianBlur(img, (KSIZE, KSIZE), 0)cv2.imshow(WINDOWNAME, img2)
#双边滤波回调函数
def on_BilarteralFilter(BilateralFilterValue):KSIZE = BilateralFilterValue * 20 + 5#后两个参数：空间高斯函数标准差和灰度值相似性高斯函数标准差img4 = cv2.bilateralFilter(img, 5, KSIZE, KSIZE)cv2.imshow(WINDOWNAME, img4)img = cv2.imread('img.jpg')
cv2.namedWindow(WINDOWNAME)
cv2.createTrackbar("Blur", WINDOWNAME, MeanBlurValue, MaxVal, on_MeanBlur)
on_MeanBlur(1)
cv2.createTrackbar("Gauss", WINDOWNAME, GaussianBlurValue, MaxVal, on_GaussianBlur)
on_GaussianBlur(1)
cv2.createTrackbar("Median", WINDOWNAME, MedianBlurValue, MaxVal, on_MedianBlur)
on_MedianBlur(1)
cv2.createTrackbar("Bilateral", WINDOWNAME, BilateralFilterValue, 20, on_BilarteralFilter)
on_BilarteralFilter(1)if cv2.waitKey(0) == 27:cv2.destroyAllWindows()

运行结果：

[1]: 《Python and OpenCV for starter》
[2]: 《Opencv官方教程中文版（For Python）》