Blurring and Smoothing OpenCV Python Tutorial

Dalam Tutorial OpenCV dengan Python ini, kita akan mengetahui bagaimana untuk mencoba untuk menghilangkan noise dari filter, seperti threshold atau bahkan warna tertentu dari filter yang kami miliki sebelumnya:



Seperti yang Anda lihat, kami memiliki banyak titik-titik hitam di mana kita lebih suka merah, dan banyak titik-titik berwarna lainnya berserakan. Kita dapat menggunakan berbagai kabur dan teknik smoothing untuk mencoba memperbaiki hal ini sedikit. Kita bisa mulai dengan beberapa kode :

import cv2
import numpy as np

cap = cv2.VideoCapture(0)

while(1):

    _, frame = cap.read()
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    lower_red = np.array([30,150,50])
    upper_red = np.array([255,255,180])
    
    mask = cv2.inRange(hsv, lower_red, upper_red)
    res = cv2.bitwise_and(frame,frame, mask= mask)

Sekarang, mari kita menerapkan smoothing sederhana, di mana kita melakukan semacam rata-rata per blok piksel. Dalam kasus kami, mari kita lakukan 15 x 15 persegi, yang berarti kita memiliki 225 piksel total.

kernel = np.ones((15,15),np.float32)/225
    smoothed = cv2.filter2D(res,-1,kernel)
    cv2.imshow('Original',frame)
    cv2.imshow('Averaging',smoothed)

    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break

cv2.destroyAllWindows()
cap.release()

Tampilan Hasil :

yang satu ini cukup sederhana, tapi hasilnya mengorbankan banyak rincian. Selanjutnya, mari kita mencoba beberapa Gaussian Pemburaman:

blur = cv2.GaussianBlur(res,(15,15),0)
    cv2.imshow('Gaussian Blurring',blur)

Tampilan Hasil :


Pilihan lain adalah Median Blur:

median = cv2.medianBlur(res,15)
    cv2.imshow('Median Blur',median)

Tampilan Hasil :

Akhirnya, pilihan lain adalah blur bilateral:

 bilateral = cv2.bilateralFilter(res,15,75,75)
    cv2.imshow('bilateral Blur',bilateral)

Jika Semuanya Dibandingkan: