影像模糊指使图像不清晰或不清晰。它是借助各种低通滤波器内核完成的。
模糊的优点：
- 它有助于消除噪音。由于噪声被认为是高通信号, 因此通过应用低通滤波器内核, 我们可以限制噪声。
- 它有助于使图像平滑。
- 低强度边缘被去除。
- 必要时, 它有助于隐藏细节。例如在许多情况下, 警察故意要隐藏受害者的脸, 在这种情况下, 需要模糊处理。
重要的模糊类型：
高斯模糊：
高斯模糊是通过高斯函数对图像进行模糊处理的结果。它是图形软件中广泛使用的效果, 通常用于减少图像噪声和减少细节。在应用我们的机器学习或深度学习模型之前, 它还用作预处理阶段。
例如。高斯核(3×3)
中值模糊：中值滤波器是一种非线性数字滤波技术, 通常用于去除图像或信号中的噪声。中值滤波在数字图像处理中非常广泛地使用, 因为在某些条件下, 中值滤波可以在消除噪声的同时保留边缘。这是消除盐和胡椒粉噪音的最佳算法之一。
双边模糊：双边滤镜是用于图像的非线性, 保留边缘和降低噪声的平滑滤镜。它将每个像素的强度替换为附近像素的强度值的加权平均值。该权重可以基于高斯分布。因此, 保留了锋利的边缘, 而丢弃了弱的边缘。
以下是Python代码：
# importing libraries
import cv2
import numpy as np
image = cv2.imread( 'C://lsbin//image_processing//fruits.jpg' )
cv2.imshow( 'Original Image' , image)
cv2.waitKey( 0 )
# Gaussian Blur
Gaussian = cv2.GaussianBlur(image, ( 7 , 7 ), 0 )
cv2.imshow( 'Gaussian Blurring' , Gaussian)
cv2.waitKey( 0 )
# Median Blur
median = cv2.medianBlur(image, 5 )
cv2.imshow( 'Median Blurring' , median)
cv2.waitKey( 0 )
# Bilateral Blur
bilateral = cv2.bilateralFilter(image, 9 , 75 , 75 )
cv2.imshow( 'Bilateral Blurring' , bilateral)
cv2.waitKey( 0 )
cv2.destroyAllWindows()输出如下：
首先, 你的面试准备可通过以下方式增强你的数据结构概念：Python DS课程。
