邊緣保留濾波演算法 epf方法：
1.高斯雙邊濾波
高斯雙邊濾波與高斯模糊的區別：
高斯雙邊濾波 在空間和邊緣方面,即雙邊濾波，就是指同時考慮了 空間位置和畫素值分布這兩點
而高斯模糊只是在空間上進行模糊，在邊緣上沒有
2.mean shift 遷移
#epf
import cv2 as cv
import numpy as np
#高斯雙邊濾波
# 在空間和邊緣方面,即雙邊濾波，就是指同時考慮了空間位置和畫素值分布這兩點
# 而高斯模糊只是在空間上進行模糊，在邊緣上沒有
defbi_demo
(img)
:#其實就是加了美顏和濾鏡
dst=cv.bilateralfilter(img,0,
100,15)
#（img,d,double sigmacolor, double sigmaspace)
#d表示在過濾過程中每個畫素鄰域的直徑範圍。如果這個值是非正數，則函式會從第五個引數sigmaspace計算該值，一般情況下取0。
# sigmacolor越大，表明該畫素鄰域內有越寬廣的顏色會被混合到一起，產生較大的半相等顏色區域，即色差多大範圍之內才參與計算， 一般取乙個大一點的值。
# sigmaspace：該值較大，則意味著顏色相近的較遠的畫素將相互影響，從而使更大的區域中足夠相似的顏色獲取相同的顏色
cv.imshow(
'bilateralfilter'
,dst)
#mean-shift均值遷移濾波
defbi_demo2
(img)
: dat2=cv.pyrmeanshiftfiltering(img,10,
50,1)
#(img,sp,sr,1) sp就是視窗大小，sr是色彩空間半徑大小,int maxlevel = 1
邊緣保留濾波（EPF）
高斯模糊只考慮了權重，只考慮了畫素空間的分布，沒有考慮畫素值和另乙個畫素值之間差異的問題，如果畫素間差異較大的情況下 比如影象的邊緣 高斯模糊會進行處理，但是我們不需要處理邊緣，要進行的操作就叫做邊緣保留濾波 epf 高斯雙邊模糊 image 輸入影象,影象必須是8位或浮點型單通道 三通道的影象 0...
邊緣保留濾波EPF
更多參考 雙邊濾波的核函式是空間域核與畫素範圍域核的綜合結果 在影象的平坦區域,畫素值變化很小,對應的畫素範圍域權重接近於1,此時空間域權重起主要作用,相當於進行高斯模糊 在影象的邊緣區域,畫素值變化很大,畫素範圍域權重變大,從而保持了邊緣的資訊.dst cv.bilateralfilter ima...
OpenCV 08邊緣保留濾波 EPF
coding utf 8 import cv2 as cv import numpy as np 高斯雙邊模糊 defbi demo image dst cv.bilateralfilter image,0,100,15 cv.imshow bi demo dst 均值遷移 defshift dem...