結(jié)果

然后直接放源碼：

import cv2 as cvsource = cv.imread('zhaopian.jpg')dst = cv.bilateralFilter(src=source, d=0, sigmaColor=30, sigmaSpace=15)cv.imshow('source', source)cv.imshow('dst', dst)cv.waitKey()cv.destroyAllWindows()

好了，本文結(jié)果部分介紹結(jié)束，想進(jìn)一步了解一下原理的同學(xué)可以接著往下看了，沒(méi)啥興趣的可以左上角了。

雙邊濾波原理

上面的圖片美顏效果其實(shí)使用的是 OpenCV 中為我們提供的雙邊濾波器，是一種圖片降噪算法。

雙邊濾波（Bilateral filter）是一種非線(xiàn)性的濾波方法，本質(zhì)是基于高斯濾波。

前面的文章介紹過(guò)，高斯濾波的方式會(huì)造成邊緣模糊化，這是沒(méi)辦法的事情，這是高斯濾波過(guò)濾方式而導(dǎo)致的。

而雙邊濾波就是在高斯濾波的基礎(chǔ)上，對(duì)高斯濾波的方式加以改進(jìn)，結(jié)合圖像的空間鄰近度和像素值相似度的一種折處理，同時(shí)考慮 空域信息（domain） 和 值域信息（range） ，達(dá)到保邊降噪的目的。

說(shuō)人話(huà)就是雙邊濾波在進(jìn)行濾波的過(guò)程中，不光要考慮周?chē)袼刂蹬c中點(diǎn)像素值的大小之差，還需要考慮空間上的距離，進(jìn)而確定該點(diǎn)對(duì)中間點(diǎn)的影響因子。

比如在一張圖像中，相鄰的像素點(diǎn)的顏色會(huì)非常相近，但是如果在邊緣區(qū)域，相鄰元素點(diǎn)的顏色變化會(huì)非常的大。

高斯過(guò)濾器的過(guò)濾過(guò)程中就是因?yàn)闆](méi)有考慮邊緣區(qū)域而導(dǎo)致過(guò)濾后圖像邊緣模糊，而雙邊濾波由于在過(guò)濾的過(guò)程中考慮到了周?chē)袼刂蹬c中點(diǎn)像素值的差值大小，從而會(huì)確定一個(gè)影響因子，從而實(shí)現(xiàn)圖片的保邊降噪。

具體的實(shí)現(xiàn)原理如下：

希望你們的高中數(shù)學(xué)沒(méi)有都還給你們的數(shù)學(xué)老師

整個(gè)雙邊濾波的算法分為兩部分，一個(gè)是顏色值的相似度（值域核），公式如下：

$$r(i, j, k, l) = exp( - frac{||f(i, j) − f(k, l)||2}{2{sigma2_r}} )$$

另一個(gè)是計(jì)算空間距離的相似度（空域核），也就是說(shuō)，離得越近，相似度越高，公式如下：

$$d(i, j, k, l)=exp( - frac{(i−k)^2 + (j−l)2}{2{sigma2_d}})$$

上面的邏輯還是很清晰，千萬(wàn)不要被一堆符號(hào)弄暈了。

這里 (i, j) 代表的是要處理的像素點(diǎn)的坐標(biāo)點(diǎn)，而 (k，l) 則是要處理的范圍內(nèi)，可能影響到其值的像素點(diǎn)的坐標(biāo)。

最終的權(quán)重系數(shù) w(i,j,k,l) 取決于空域核和值域核的乘積，公式如下：

$$w(i,j,k,l)=d(i,j,k,l) ∗ r(i,j,k,l) = exp( - frac{(i−k)^2 + (j−l)2}{2{sigma2_d}} - frac{||f(i, j) − f(k, l)||2}{2{sigma2_r}})$$

下面是一個(gè)經(jīng)典的雙邊濾波的原理示意圖：

從這個(gè)圖中可以看出，在圖（b）空域核上，每個(gè)像素的權(quán)重是符合高斯分布的，而在圖（c）的值域核上，由于像素取值相差過(guò)大，不同顏色的權(quán)重系數(shù)相差也很大，雙邊過(guò)濾過(guò)濾完成后，邊緣兩側(cè)的像素點(diǎn)保留了原有的色彩值。

接下來(lái)還是看下雙邊濾波的原函數(shù)：

def bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)

src：原圖 d：像素鄰域的直徑。如果這個(gè)值設(shè)為非正數(shù)，那么 OpenCV 會(huì)從第五個(gè)參數(shù) sigmaSpace 來(lái)將它計(jì)算出來(lái)。 sigmaColor：顏色空間濾波器的 $sigma$ 值。這個(gè)參數(shù)的值越大，就表明該像素鄰域內(nèi)有更寬廣的顏色會(huì)被混合到一起，產(chǎn)生較大的半相等顏色區(qū)域。 sigmaSpace：坐標(biāo)空間中濾波器的 $sigma$ 值，坐標(biāo)空間的標(biāo)注方差。他的數(shù)值越大，意味著越遠(yuǎn)的像素會(huì)相互影響，從而使更大的區(qū)域足夠相似的顏色獲取相同的顏色。當(dāng) d > 0 ， d 指定了鄰域大小且與 sigmaSpace 無(wú)關(guān)。否則， d 正比于 sigmaSpace 。使用過(guò)程中我發(fā)現(xiàn)這個(gè)值越大，圖像的過(guò)渡效果越好。

源代碼我就不放了，實(shí)際上只有那一行代碼，不過(guò)希望看到本文的各位除了知道雙邊濾波能對(duì)圖像進(jìn)行美顏以外還是能稍微了解下原理。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。