7️⃣ 影像濾波與去雜訊

🎯 什麼是影像濾波與去雜訊？

影像通常會受到雜訊影響，導致辨識效果下降。OpenCV 提供各種 影像濾波技術 來減少雜訊並增強影像品質。

✅ 適用場景：

• 去除影像雜訊（平滑化影像）
• 強化邊緣細節（保留影像重要特徵）
• 提高物件偵測的準確度（減少誤偵測）

---

✅ 平均濾波（Averaging Filter）

平均濾波是一種簡單的去雜訊技術，適用於均勻化影像。

import cv2
import numpy as np

# 讀取影像
image = cv2.imread("image.jpg")

# 應用平均濾波
blurred = cv2.blur(image, (5, 5))

cv2.imshow("Averaging Filter", blurred)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 這種方法會讓影像變模糊，適合用來降低隨機雜訊。

---

✅ 高斯模糊（Gaussian Blur）

高斯模糊使用 權重平均，可以有效去除影像雜訊，同時保留更多細節。

# 應用高斯模糊
gaussian_blur = cv2.GaussianBlur(image, (5, 5), 0)

cv2.imshow("Gaussian Blur", gaussian_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 高斯模糊比一般平均濾波效果更好，適合影像預處理。

---

✅ 中值濾波（Median Blur）

中值濾波適用於去除 椒鹽雜訊（Salt and Pepper Noise）。

# 應用中值濾波
median_blur = cv2.medianBlur(image, 5)

cv2.imshow("Median Blur", median_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 這種方法特別適合處理二值化影像（如 OCR 應用）。

---

✅ 雙邊濾波（Bilateral Filter）

雙邊濾波能夠在 去除雜訊的同時保留邊緣細節。

# 應用雙邊濾波
bilateral = cv2.bilateralFilter(image, 9, 75, 75)

cv2.imshow("Bilateral Filter", bilateral)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 這是最適合人臉影像處理的濾波方法，可以保留細節紋理。

---

📝 總結

功能	語法
平均濾波	cv2.blur(image, (5,5))
高斯模糊	cv2.GaussianBlur(image, (5,5), 0)
中值濾波	cv2.medianBlur(image, 5)
雙邊濾波	cv2.bilateralFilter(image, 9, 75, 75)

🚀 現在你已經學會如何使用 OpenCV 進行影像去雜訊處理！接下來，我們將學習 OpenCV 與機器學習的應用！ 😊