双边滤波的操作主要是ccv2.bilateralFilter()函数来操作，它能够保持边界清晰的情况下有效的去除噪声，但是这种操作比较慢。它拥有着美颜的效果：
下面是代码演示：
import cv2 def bi_demo(image):#高斯双边滤波 dst = cv2.bilateralFilter(src=image, d=0, sigmaColor=100, sigmaSpace=15) cv2.namedWindow('bi_demo',0) cv2.resizeWindow('bi_demo',300,400) cv2.imshow("bi_demo", dst) ''' 其中各参数所表达的意义： src：原图像； d：像素的邻域直径，可有sigmaColor和sigmaSpace计算可得； sigmaColor：颜色空间的标准方差，一般尽可能大； sigmaSpace：坐标空间的标准方差(像素单位)，一般尽可能小。''' def mean_shift_demo(image):#均值偏移滤波 dst = cv2.pyrMeanShiftFiltering(src=image, sp=15, sr=20) cv2.namedWindow('mean_shift image', 0) cv2.resizeWindow('mean_shift image', 300, 400) cv2.imshow("mean_shift image", dst) #使用均值边缘保留滤波时，可能会导致图像过度模糊 '''其中各参数所表达的意义： src：原图像; sp：空间窗的半径(The spatial window radius); sr：色彩窗的半径(The color window radius)''' src = cv2.imread('E:\python\image\lena.jpg') bi_demo(src) mean_shift_demo(src) cv2.namedWindow('src', 0) cv2.resizeWindow('src', 300, 400) cv2.imshow('src',src) cv2.waitKey(0) 显示效果： 
文章来源: python&opencv 图像的双边滤波