快速雙邊濾波 Python實現

介紹

課程的最後乙個實驗是處理雀斑，網上查詢了很多方法，最後我選擇了快速雙邊濾波。但是實驗又不能直接呼叫 opencv 的庫，因此，我參照了這個部落格，將用 c 寫的快速雙邊濾波改用 python 重新寫了一遍。

快速雙邊濾波是啥呢，官方滴說，它是一種非線性的濾波方法。它最大的特點就是既使用了顏色的相似度，又利用了空間的距離相似度。也就是說，它在進行濾波的過程中，不光要考慮周圍畫素值與中點畫素值的大小之差，還需要考慮空間上的距離，進而確定該點對中間點的影響因子。

至於為啥要用快速雙邊濾波呢，，因為不優化的話，實在是太慢了。。。有興趣可以試一下。

優化**

主要的優化思路如下，提前計算好高斯模板，提前計算好各灰度值的濾波模板

**實現

完整的**如下：

# -*- coding: utf-8 -*-
import numpy as np
import cv2
import math
def bilateralfilter(img, radius, sigmacolor, sigmaspace) : 
b, g, r = cv2.split(img)
b_tran, g_tran, r_tran = cv2.split(img)
img_height = len(b)
img_width = len(b[0])
# 計算灰度值模板係數表
color_coeff = -0.5 / (sigmacolor * sigmacolor)
weight_color =       # 存放顏色差值的平方
for i in range(256) :
# 計算空間模板
space_coeff = -0.5 / (sigmaspace * sigmaspace)
weight_space =     # 存放模板係數
weight_space_row = # 存放模板 x軸 位置
weight_space_col = # 存放模板 y軸 位置
maxk = 0
for i in range(-radius, radius+1) :
for j in range(-radius, radius+1) :
r_square = i*i + j*j
r = np.sqrt(r_square)
maxk = maxk + 1
# 進行濾波
for row in range(img_height) :
for col in range(img_width) :
value = 0
weight = 0
for i in range(maxk) :
m = row + weight_space_row[i]
n = col + weight_space_col[i]
if m < 0 or n < 0 or m >= img_height or n >= img_width :
val = 0
else :
val = b[m][n]
w = np.float32(weight_space[i]) * np.float32(weight_color[np.abs(val - b[row][col])])
value = value + val * w
weight = weight + w
b_tran[row][col] = np.uint8(value / weight)
# 綠色通道
for row in range(img_height) :
for col in range(img_width) :
value = 0
weight = 0
for i in range(maxk) :
m = row + weight_space_row[i]
n = col + weight_space_col[i]
if m < 0 or n < 0 or m >= img_height or n >= img_width :
val = 0
else :
val = g[m][n]
w = np.float32(weight_space[i]) * np.float32(weight_color[np.abs(val - g[row][col])])
value = value + val * w
weight = weight + w
g_tran[row][col] = np.uint8(value / weight)
# 紅色通道
for row in range(img_height) :
for col in range(img_width) :
value = 0
weight = 0
for i in range(maxk) :
m = row + weight_space_row[i]
n = col + weight_space_col[i]
if m < 0 or n < 0 or m >= img_height or n >= img_width :
val = 0
else :
val = r[m][n]
w = np.float32(weight_space[i]) * np.float32(weight_color[np.abs(val - r[row][col])])
value = value + val * w
weight = weight + w
r_tran[row][col] = np.uint8(value / weight)
cv2.imshow("beauty_after", cv2.merge([b_tran, g_tran, r_tran]))
cv2.imwrite("beauty_after.png", cv2.merge([b_tran, g_tran, r_tran]))
img = cv2.imread("beauty1.png")
cv2.imshow("original image", img)
# bilateralfilter(img, 5, 45, 100)
bilateralfilter(img, 3, 30, 80)
img = cv2.imread("beauty_after.png")
bilateralfilter(img, 3, 30, 80)
cv2.waitkey(0)

總結

三個維度的濾波不應該像我這樣寫，應該一起處理，我分成了三個通道進行處理，**就顯得有點長，但這樣十分方便，如果有時間的話，還是不要像我這樣寫。

需要注意的一點是，這段**在處理的效果上不是很好，相比於 opencv 的庫，效果差了很多，尤其是處理大的時候，使用時需要注意。

快速雙邊濾波 Python實現

OpenCV實現雙邊濾波演算法

雙邊濾波（Bilateral filter）

雙邊濾波（Bilateral filter）

快速雙邊濾波 Python實現

OpenCV實現雙邊濾波演算法

雙邊濾波（Bilateral filter）

雙邊濾波（Bilateral filter）

相關推薦