OpenCV3-Python滤波器详细介绍
1. 不同色彩空间
OpenCV中有数百种关于不同色彩空间之间转换的方法。当前，在计算机视觉中由三种常用的色彩空间：灰度、BGR以及HSV(Hue,Saturation,Value)。
（1）灰度色彩空间是通过去除色彩信息来将其转换成灰阶，灰度色彩空间对中间处理特别有效，比如：人脸识别。
（2）BGR，即蓝-绿-红色彩空间，每一个像素点由一个三元数组来表示。
（3）HSV，H(Hue)色调，S(Saturation)饱和度，V(Value)表示黑暗的程度(或光谱另一端的明亮程度)。
2. 傅里叶变换
核概念：
指一组权重的集合，它会应用在源图像的一个区域，并由此生成目标图像的一个像素。比如，大小为7的核意味着每49(7x7)个源图像的像素会产生目标图像的一个像素。可把核看作是一块覆盖在源图像上可移动的毛玻璃片，玻璃片覆盖区域的光线会按某种方式进行扩散混合后透出来。
(1) 图像的幅度谱
把一幅图像中最明亮的像素放在图像中央，然后逐渐变暗，在边缘上的像素最暗。这样可以发现图像中由多少亮的像素和暗的像素，以及它们分布的百分比。
(2) 高通滤波器(HPF)
检测图像的某个区域，根据像素与周围像素的亮度差值来提升(boost)该像素的亮度的滤波器。
高通滤波器举例：
通过自定义卷积核实现两个高通滤波器，其中，用到SciPy模块下ndimage中的convolve()来处理多维数组的卷积运算。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun Apr 1 16:17:02 2018
@author: lu
"""
import numpy as np
import cv2
from scipy import ndimage
#sum =0
kernel_3x3 = np.array([[-1,-1,-1],
[-1,8,-1],
[-1,-1,-1]])
kernel_5x5 = np.array([[-1,-1,-1,-1,-1],
[-1, 1, 2, 1,-1],
[-1, 2, 4, 2,-1],
[-1,-1,-1,-1,-1]])
img = cv2.imread("./00.png",0)
k3 = ndimage.convolve(img, kernel_3x3)
k5 = ndimage.convolve(img, kernel_5x5)
cv2.imshow("img",img)
cv2.imshow("3x3", k3)
cv2.imshow("5x5", k5)
cv2.waitKey()
cv2.destroyAllWindows()(3) 低通滤波器
与高通滤波器相反，低通滤波器(Low Pass Filter, LPF)则是在图像与周围像素的亮度差值小于一个特定值时，平滑该像素的亮度。关于cv2.blur()函数详细介绍，查看官网。
cv2.blur(src, ksize[, dst[, anchor[, borderType]]]) → dst
Parameters:
src – input image; it can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst – output image of the same size and type as src.
ksize – blurring kernel size.
anchor – anchor point; default value Point(-1,-1) means that the anchor is at the kernel center.
borderType – border mode used to extrapolate pixels outside of the image.
The function smoothes an image using the kernel:
img = cv2.imread("./00.png",0)
blurred = cv2.blur(img,(5,5))
cv2.imshow("img",img)
cv2.imshow("blurred",blurred)
cv2.waitKey()
cv2.destroyAllWindows()(4) 高斯滤波器
高斯模糊的本质是低通滤波器，通过不同"核"将原图像的像素点与其周围的像素点进行加权和后，作为输出图像的像素点。关于cv2.GaussianBlur()函数进详细介绍，查看官网。
cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]]) → dst
Parameters:
src – input image; the image can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
ksize – Gaussian kernel size. ksize.width and ksize.height can differ but they both must be positive and odd.
sigmaX – Gaussian kernel standard deviation in X direction; if both sigmas are zeros, they are computed from ksize.width and ksize.height.
img = cv2.imread("./00.png",0)
blurred = cv2.GaussianBlur(img,(5,5),0) #高斯滤波
g_hpf = img - blurred #转为高通滤波
cv2.imshow("img",img)
cv2.imshow("gauss",blurred) #高斯滤波
cv2.imshow("g_hpf",g_hpf) #高通滤波
cv2.waitKey()
cv2.destroyAllWindows()