1-16 平滑处理——均值滤波 opencv树莓派4B 入门系列笔记

目录

一、提前准备

二、代码详解

dst1 = cv2.blur(img, (9, 9))

blur = cv2.boxFilter(img, -1, (5, 5), normalize=True)

三、运行现象

四、完整工程贴出

---

一、提前准备

        1、树莓派4B 及 64位系统

        2、提前安装opencv库 以及 numpy库

        3、保存一张图片

二、代码详解

import cv2
 
# 加载图像
img = cv2.imread('/home/raspberry4B/Pictures/MD.jpg')
 
# 使用cv2.blur()进行均值滤波,这里使用大小为9*9的滤波核进行均值滤波
dst1 = cv2.blur(img, (9, 9))  
 
# 使用cv2.boxFilter()进行均值滤波
blur = cv2.boxFilter(img, -1, (5, 5), normalize=True)
 
# 显示原图和处理后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Blur Image', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

dst1 = cv2.blur(img, (9, 9))

• cv2.blur(src, ksize):
  • 用于对图像进行均值滤波（模糊处理）。
  • src: 输入图像，作为输入的图像矩阵，这里是img。
  • ksize: 滤波核的大小，用于计算均值。这里是 (9, 9)，表示滤波器的窗口大小为 9x9 像素。
  • 返回值是经过模糊处理后的图像。

blur = cv2.boxFilter(img, -1, (5, 5), normalize=True)

• cv2.boxFilter(src, ddepth, ksize, normalize=True):
  • 用于对图像进行方框滤波（均值滤波的一种实现）。
  • src: 输入图像，这里是img。
  • ddepth: 输出图像的深度。-1表示输出图像的深度与输入图像相同。
  • ksize: 滤波核的大小，这里是 (5, 5)，表示滤波器的窗口大小为 5x5 像素。
  • normalize: 是否归一化。True表示在计算时会对滤波核中的值进行归一化处理，实际效果是对窗口内的像素取平均值。

三、运行现象

四、完整工程贴出

持续更新中……