双边滤波平滑锯齿

双边滤波（Bilateral Filtering）是一种图像处理技术，主要用于图像的平滑或去噪，同时保留边缘细节。它结合了空间邻近度（space proximity）和像素值相似度（pixel value similarity）两个因素来对图像中的每个像素进行加权平均。
主要特点
保留边缘：与传统的高斯模糊不同，双边滤波能够在去除噪声的同时较好地保留图像中的边缘。
平滑处理：适用于需要保留细节但减少噪声的应用场景，如图像美化、纹理分析等。
工作原理
空间高斯权重：考虑像素之间的空间距离，距离越近权重越高。
值域高斯权重：考虑像素值的差异，值越接近权重越高。
应用场景
图像去噪：在不破坏边缘的情况下减少图像噪声。
图像美化：用于创建“油画”效果或其他艺术风格的效果。
预处理步骤：作为后续图像处理任务（如分割、特征提取等）前的预处理步骤。
参数说明
d: 直径范围内的像素，通常为正奇数。
sigmaColor: 颜色空间中的标准差，控制颜色相似度的影响。
sigmaSpace: 坐标空间中的标准差，控制空间邻近度的影响

1. 动态计算参数：dynamic_sigma 函数计算掩膜图像的标准差，并基于此动态设置 sigmaColor 和 sigmaSpace 参数。
2. 读取与检查图像：从文件读取灰度掩膜图像，并确保图像已成功加载。
3. 初始化计数器：初始化 FPS 计数器以测量处理速度。
4. 应用双边滤波：使用动态计算的参数对掩膜进行双边滤波。
5. 显示图像：分别显示原始掩膜和处理后的掩膜。
6. 计算 FPS：计算处理图像所用的时间并显示 FPS。
7. 添加 FPS 文本：在处理后的图像上添加 FPS 值。
8. 保存结果：将平滑后的掩膜图像保存到文件。

import cv2
import numpy as np

def dynamic_sigma(mask):
    # 计算掩膜的标准差
    std_dev = np.std(mask)

    # 设置 sigmaColor，基于标准差的动态调整
    sigmaColor = std_dev * 20  # 可根据需要调整乘数

    # 设置 sigmaSpace，基于图像尺寸的动态调整
    height, width = mask.shape
    sigmaSpace = min(height, width) / 20  # 可根据需要调整分母

    return int(sigmaColor), int(sigmaSpace)

# 读取掩膜图像
mask = cv2.imread('smoothed_image.png', cv2.IMREAD_GRAYSCALE)

# 检查图像是否成功加载
if mask is None:
    raise ValueError("Image not found or unable to load.")

# 初始化 FPS 计数器
fps = 0
frame_count = 0
start_time = cv2.getTickCount()

# 动态计算 sigmaColor 和 sigmaSpace
sigmaColor, sigmaSpace = dynamic_sigma(mask)

# 应用双边滤波
smoothed_mask = cv2.bilateralFilter(mask, d=7, sigmaColor=sigmaColor, sigmaSpace=sigmaSpace)

# 显示原始掩膜和处理后的掩膜
cv2.imshow('Original Mask', mask)
cv2.imshow('Smoothed Mask', smoothed_mask)

# 计算 FPS
end_time = cv2.getTickCount()
time_elapsed = (end_time - start_time) / cv2.getTickFrequency()
fps = 1.0 / time_elapsed

# 在图像上显示 FPS
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(smoothed_mask, f'FPS: {fps:.2f}', (10, 30), font, 1, (255, 255, 255), 2, cv2.LINE_AA)

# 显示带有 FPS 的平滑掩膜
cv2.imshow('Smoothed Mask with FPS', smoothed_mask)

# 保存平滑后的掩膜
cv2.imwrite('smoothed_mask.png', smoothed_mask)

# 等待键盘事件并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

原文地址：https://blog.csdn.net/hasque2019/article/details/142873201

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！