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:
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:
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.
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:
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**