当前位置 博文首页 > OpenCV半小时掌握基本操作之滤波器

最大化 缩小

    OpenCV半小时掌握基本操作之滤波器

    作者：我是小白呀 时间：2021-09-15 18:25

    目录
    • 概述
    • 图像平滑
    • 均值滤波器
    • 方框滤波
    • 高斯滤波器
    • 中值滤波

    【OpenCV】⚠️高手勿入! 半小时学会基本操作⚠️滤波器

    概述

    OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 9 课)

    在这里插入图片描述

    图像平滑

    图像平滑 (image smoothing) 是一种区域增强算法. 可以帮助我们去除早点改善图片质量.

    滤波器 (Filter) 可以帮助我们来降低噪声, 均值滤波器的主要应用是去除图像中的不相关细节.

    在这里插入图片描述

    原图:

    在这里插入图片描述

    均值滤波器

    均值滤波器会计算区域像素的平均值, 然后进行填充.

    代码:

    # 读取图片
img = cv2.imread("noise.jpg")

# 均值滤波器 (3 X 3)
blur = cv2.blur(img, (3, 3))

# 图片展示
cv2.imshow("blur", blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    在这里插入图片描述

    方框滤波

    方框滤波器 (Box Filter) 和均值滤波器基本一样.

    格式:

    cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None)

    参数:

    • src: 需要滤波的图片
    • ddepth: 输入图像的深度, -1 代表使用原图深度
    • Normalize: 标准化, 默认为 None

    代码:

    # 读取图片
img = cv2.imread("noise.jpg")

# 方框滤波器 (3 X 3)
box = cv2.boxFilter(img, -1, (3, 3), normalize=True)

# 图片展示
cv2.imshow("box", box)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    在这里插入图片描述

    高斯滤波器

    高斯滤波器 (Gauss Filter) 是一种线性平滑滤波, 适用于高斯噪声.

    高斯噪声 (Gaussian Noise) 是概率密度函数服从高斯分布的一类噪声.

    在这里插入图片描述

    格式:

    cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

    参数:

    src: 需要滤波的图片

    ksize: 卷积核大小

    sigmaX: 高斯核函数在 X 方向的的标准偏差

    sigmaY: 高斯核函数在 Y 方向的的标准偏差

    代码:

    # 读取图片
img = cv2.imread("noise.jpg")

# 高斯滤波器 (3 X 3)
gaussian = cv2.GaussianBlur(img, (3, 3), 1)

# 图片展示
cv2.imshow("gaussian", gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    在这里插入图片描述

    中值滤波

    中值滤波器 (Median Filter) 用中值填充.

    代码:

    # 读取图片
img = cv2.imread("noise.jpg")

# 中值滤波器 (3 X 3)
median = cv2.medianBlur(img, 3)

# 图片展示
cv2.imshow("median", median)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    在这里插入图片描述

    jsjbwy
    上一篇：Python Pycurl的属性与方法案例详解
    下一篇：没有了