[OpenCV基礎][Python]影像模糊化

在生活中常看到的美圖秀秀或美圖修修或者其他圖像編輯軟體，通常使用各種濾波器和模糊化技術來實現照片的修飾和美化效果。這些濾波和模糊化技術可以應用於不同的區域，以改進照片的外觀，包括平滑皮膚、去除細節、調整對比度等。

本文會介紹 OpenCV 四種影像模糊化的方法 ( blur()、GaussianBlur()、medianBlur()、bilateralFilter() )，經由圖片輸出，理解其應用。

OpenCV中實現影像模糊化的常見方法介紹：

平均模糊（Averaging Blur）：

• 通過將每個像素的值設置為周圍鄰域像素值的平均值來實現。
• cv2.blur(img, (kernel_size, kernel_size)) 函式實現平均模糊。
  img：輸入圖像。
  (kernel_size, kernel_size)：核的大小，表示鄰域的大小。

高斯模糊（Gaussian Blur）：

• 使用高斯函數的權重計算每個像素的新值，以達到平滑效果。
• blurred = cv2.GaussianBlur(img, (kernel_size, kernel_size), sigma) 函式實現高斯模糊。
  img：輸入圖像。
  (kernel_size, kernel_size)：高斯核的大小，通常是一個正奇數。越大的核將產生越強的模糊效果。
  sigma：高斯核的標準差。標準差越大，生成的高斯分布越寬，模糊效果越強。

中值模糊（Median Blur）：

• 將每個像素的值設置為鄰域像素值的中值。
• cv2.medianBlur(img, kernel_size) 函式實現中值模糊。
• img：輸入圖像。
• kernel_size：核的大小，表示鄰域的大小。

雙邊濾波器（Bilateral Filter）：

• 結合了色彩相似性和空間相似性的考慮，可在平滑圖像的同時保留邊緣細節。。
• bilateral_filtered = cv2.bilateralFilter(img, d, sigmaColor, sigmaSpace) 函式實現雙邊濾波器。
  
• img：輸入圖像。
  
• d：在濾波過程中考慮的鄰域直徑，越大表示考慮的範圍越廣。
  
• sigmaColor：色彩空間中的標準差，控制色彩相似性。
  這個值控制著鄰域中像素之間的色彩差異的容忍度。值越大，更多顏色範圍內的像素會被混合，從而使邊緣區域更模糊。
  效果：較高的 sigmaColor 值允許鄰域中的像素具有較大色彩差異，從而增加模糊程度；而較低的值則意味著只有色彩接近的像素才會被混合，邊緣能夠較好地保持
  
• sigmaSpace：空間範圍中的標準差，控制空間相似性。
  用於空間範圍濾波的標準差。這個值決定了距離鄰域中心的像素的權重，控制空間鄰域中的像素的影響。值越大，遠離中心的像素也會參與計算，濾波的效果會更加平滑。
  效果：較大的 sigmaSpace 值將使濾波器考慮鄰域中更遠的像素（即影響更大範圍內的像素）；而較小的 sigmaSpace 值則只會考慮鄰近的像素，濾波會更加局部化。

程式範例

平均模糊（Averaging Blur）：

平滑皮膚效果，可以增加kernel_size(需奇數)，平滑效果會更好喔~

import cv2

img = cv2.imread('imge.jpg')

# 使用 blur 進行平均模糊

kernel_size = (5, 5)
blur = cv2.blur(img, kernel_size)

cv2.imshow('Original Image', img)
cv2.imshow('Averaging  blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

皮膚平滑效果

高斯模糊（Gaussian Blur）：

相對於平均模糊，高斯模糊同樣達到平滑效果。但保留了更多的細節。

import cv2

img = cv2.imread('123.jpg')

# 使用 GaussianBlur 進行高斯模糊

kernel_size = (5, 5)
sigma = 0
GaussianBlur = cv2.GaussianBlur(img, kernel_size, sigma)

cv2.imshow('Original Image', img)
cv2.imshow('Averaging  blur', GaussianBlur)
cv2.waitKey(0)
cv2.destroyAllWindows()

與平均模糊作比較

高斯與平均模糊作比較

中值模糊（Median Blur）：

與高斯模糊相比細節又相對少一點點，但又比平均模糊細節又多一點。

import cv2

img = cv2.imread('123.jpg')

# 使用 medianBlur 進行中值模糊
kernel_size = 5
medianBlur = cv2.medianBlur(img, kernel_size)

cv2.imshow('Original Image', img)
cv2.imshow('medianBlur', medianBlur)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯模糊與中值模糊比較

雙邊濾波器（Bilateral Filter）：

與中值模糊跟高斯模糊相比，雙邊濾波器在此圖上去躁能力更加好一些，皮膚平滑的效果也比較佳，膚色看起來也較為正常，輪廓的邊緣也還行。

色彩相似性：雙邊濾波器能夠保留像素間的色彩相似性。這對於皮膚平滑等任務很重要，因為皮膚區域可能包含多種顏色，保留這些顏色的細節有助於更自然的外觀。

空間相似性： 雙邊濾波器同時考慮了空間上的相似性，有助於保留輪廓和邊緣細節。這對於不僅僅是平滑，還要保留圖像整體結構的應用場景更為適合。

import cv2

img = cv2.imread('123.jpg')

# 使用 bilateralFilter 進行雙邊濾波

bilateral_filtered = cv2.bilateralFilter(img, d = 9, sigmaColor = 75, sigmaSpace = 75)

cv2.imshow('Original Image', img)
cv2.imshow('bilateral_filtered', bilateral_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

雙邊濾波與中值相比

總結

選擇模糊化方法應根據應用的具體需求：

• 平均模糊和高斯模糊適用於一般的平滑和去噪工作。
• 中值模糊對於去除椒鹽噪聲效果較好。
• 雙邊濾波器在需要同時保留色彩和空間細節的情境中表現較佳。

在實際應用中，通常需要進行實驗和比較，選擇最適合的模糊方法，最重要的是圖片模糊化後，有沒有達到自己想要的效果。