OpenCV半小时掌握基本操作之滤波器

时间：2022-06-06 09:31:57|栏目：Python代码|点击：次

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