opencv - 应用平滑过滤器(双边、高斯、vs.)和色彩空间

标签 opencv image-processing smoothing color-space imagefilter

在平滑图像时,我应该应用高斯和双边滤波器等哪种颜色空间版本(灰度、RGB、HSV 等)以获得最佳的去噪效果?是有一个总体趋势,还是在不同情况下会发生变化?

此外,您建议在图像处理中使用什么滤镜和色彩空间来去除阴影?

最佳答案

您应该始终将过滤器应用于 RGB 颜色空间。其他一些颜色空间也有意义,例如 CIE-XYZ(它只是 RGB 颜色空间的旋转)和 CIE-Lab(它是 XYZ 的非线性变换,但欧几里得距离仍然有意义) .

诸如 HSV 和类似的颜色空间有一个分量(色调),它是一个角度。这里欧几里得距离没有意义:平均 10 度和 350 度应该导致 0 度,但会产生 180 度:过滤时你会得到各种无意义的颜色。

对于线性过滤器(例如高斯过滤器),您可以单独且独立地过滤每个 RGB channel 。只要应用于每个 channel 的过滤器内核相同,结果就是正确的。

然而,对于非线性过滤器,单独过滤每个 channel 会导致错误的颜色。例如,双边滤波器需要在每个像素处构造一个内核。必须将相同的内核应用于该像素的每个 channel ,以防止对象边缘出现伪色。

关于opencv - 应用平滑过滤器(双边、高斯、vs.)和色彩空间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52376506/

相关文章:

python - 使用 OpenCV detectorMultiScale 查找最大的矩形

android - android studio 中的 Opencv import highgui 显示错误。无法解决(我添加了库仍然存在错误)

opencv - 正态贝叶斯分类器负样本

image-processing - 语义分割 Keras 的交叉熵损失

opencv - 为什么Opencv中没有cuda::SIFT_CUDA?

C#平滑对象移动

python - "Third order"Kneser-Key 平滑的正确实现(对于 Trigram 模型)

image-processing - 通过直方图评估改善肤色检测

c# - 将大型光栅图形图像(位图、PNG、JPEG 等)转换为非矢量 postscript

r - 如何使用 R 中的加权(调查)数据制作漂亮的无边界地理专题/热图,可能对点观测使用空间平滑