歡迎！您似乎正在使用廣告攔截器。請考慮通過禁用您的廣告攔截器來支持我。
welcome! It looks like you're using an ad blocker. Please consider supporting me by disabling your ad blocker.

J.J.'s Blogs

Like Share Discussion Bookmark Smile

J.J. Huang   2026-01-26   Python OpenCV 03.圖片處理篇：基礎技巧   瀏覽次數：次   DMCA.com Protection Status {{moment(1769389200000).fromNow()}}

Python | OpenCV 基本濾波與模糊效果

📚 前言

在前面我們學會了 調整亮度、對比與負片效果。
這一篇要進一步學習 基本濾波與模糊效果，這些操作屬於影像的平滑化處理，能幫助我們降低雜訊、改善影像品質，或製造特殊的視覺效果。

🔍 基本概念

  • 基本濾波 (Filtering)：影像處理中的「平滑化」方法，用來降低雜訊或細節。
  • 專業說法：利用「卷積核 (Kernel)」在影像上滑動，計算區域像素的加權值，並用結果更新中心像素。
  • 白話說法：就是「取出一塊指定區域，把裡面所有像素值加起來取平均，再用這個平均值取代中心像素」。
  • 常見方法：
    • 平均模糊 (blur)：取區域平均值，簡單降噪。
    • 高斯模糊 (GaussianBlur)：加權平均，權重符合高斯分佈，效果自然。
    • 中值模糊 (medianBlur)：取區域中值，特別適合去除椒鹽雜訊。
    • 雙邊模糊 (bilateralFilter)：同時考慮空間距離與像素差異，能保留邊緣細節。

💻 範例程式：平均模糊 (blur)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import cv2

img = cv2.imread("test.png")

# 使用 5x5 卷積核進行平均模糊
blur_5 = cv2.blur(img, (5, 5))
# 使用 25x25 卷積核進行平均模糊
blur_25 = cv2.blur(img, (25, 25))

cv2.imshow("Original", img)
cv2.imshow("Average Blur 5", blur_5)
cv2.imshow("Average Blur 25", blur_25)
cv2.waitKey(0)
cv2.destroyAllWindows()


圖：平均模糊 5x5 與 25x25 示例

💻 範例程式：高斯模糊 (GaussianBlur)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import cv2

img = cv2.imread("test.png")

# 使用 5x5 Gaussian 核進行模糊
gaussian_5 = cv2.GaussianBlur(img, (5, 5), 0)
# 使用 25x25 Gaussian 核進行模糊
gaussian_25 = cv2.GaussianBlur(img, (25, 25), 0)

cv2.imshow("Original", img)
cv2.imshow("Gaussian Blur 5", gaussian_5)
cv2.imshow("Gaussian Blur 25", gaussian_25)
cv2.waitKey(0)
cv2.destroyAllWindows()


圖：高斯模糊 5x5 與 25x25 示例

💻 範例程式：中值模糊 (medianBlur)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import cv2

img = cv2.imread("test.png")

# 使用 5x5 卷積核進行中值模糊
median_5 = cv2.medianBlur(img, 5)
# 使用 25x25 卷積核進行中值模糊
median_25 = cv2.medianBlur(img, 25)

cv2.imshow("Original", img)
cv2.imshow("Median Blur 5", median_5)
cv2.imshow("Median Blur 25", median_25)
cv2.waitKey(0)
cv2.destroyAllWindows()


圖：中值模糊 5x5 與 25x25 示例

💻 範例程式：雙邊模糊 (bilateralFilter)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import cv2

img = cv2.imread("test.png")

# 雙邊濾波：保留邊緣，同時模糊雜訊
bilateral_10_0_0 = cv2.bilateralFilter(img, d=10, sigmaColor=0, sigmaSpace=0)
bilateral_10_50_100 = cv2.bilateralFilter(img, d=10, sigmaColor=50, sigmaSpace=100)
bilateral_10_100_1000 = cv2.bilateralFilter(img, d=10, sigmaColor=100, sigmaSpace=1000)

cv2.imshow("Original", img)
cv2.imshow("Bilateral Filter 10 0 0", bilateral_10_0_0)
cv2.imshow("Bilateral Filter 10 50 100", bilateral_10_50_100)
cv2.imshow("Bilateral Filter 10 100 1000", bilateral_10_100_1000)
cv2.waitKey(0)
cv2.destroyAllWindows()


圖：雙邊模糊示例

📌 參數說明

1
cv2.bilateralFilter(img, d, sigmaColor, sigmaSpace)
  • img：來源影像。
  • d：相鄰像素的直徑。
    • 常用值為 5。
    • 數值越大，計算範圍越廣，但運算速度也會變慢。
  • sigmaColor：顏色混合的程度。
    • 數值越大，會混合更多區域的顏色，產生更大區塊的同一種顏色。
  • sigmaSpace：空間距離的影響範圍。
    • 數值越大，影響的範圍就越大，更多像素會被納入計算。

⚠️ 注意事項

  • 卷積核大小：數值越大，模糊效果越強，但也可能導致影像失真。
  • Gaussian 模糊：適合處理高斯雜訊，效果自然。
  • Median 模糊：適合處理椒鹽雜訊 (Salt-and-Pepper Noise)。
  • Bilateral 濾波：能保留邊緣細節，常用於人像或需要邊緣清晰的影像。
  • 應用場景：影像前處理、邊緣檢測前的降噪、人像美化、隱私模糊。

🎯 結語

這一篇我們學會了如何進行 基本濾波與模糊效果，包含平均模糊、Gaussian 模糊、中值模糊與雙邊模糊，掌握影像平滑化的基礎技巧。這些方法能有效降低雜訊，並在影像處理流程中扮演重要角色。

在下一篇，我們將進一步學習 二值化與閾值處理，探索如何將影像轉換成黑白二值影像，方便後續分析。

📖 如在學習過程中遇到疑問，或是想了解更多相關主題，建議回顧一下 Python | OpenCV 系列導讀，掌握完整的章節目錄，方便快速找到你需要的內容。


註：以上參考了
OpenCV Tutorials
OpenCV-Python Tutorials
blur()
GaussianBlur()
medianBlur()
bilateralFilter()

本文由J.J. Huang 創作，採用CC BY 3.0 TW協議 進行許可。可自由轉載、引用，但需署名作者且註明文章出處。