机器视觉——图像平滑处理

1. 均值滤波

例如：取5*5区域，欲求像素点值即该像素点周围25个格子的均值

该方法可以平滑图像滤去噪声，但是无法保护图像细节

2. 方框滤波

box=cv2.boxFilter(图像,目标图像深度,核大小,normalize值)

-1为目标图像深度，取-1表示与原始图像深度一致

normalize值为True取区域的平均值

normalize值为False取区域的和（很容易溢出）

3.高斯滤波

一个比较草稿的示意图

3. 中值滤波

如名，选取中值

import cv2 
import matplotlib.pyplot as plt
import numpy as np 
import os 
from PIL import Image
import pylab
from dill.tests.test_mixins import fx
 
os.chdir('D:/大学资料/计算机视觉/第2-7章笔记课件') #此处路径中可以有中文字符
img = cv2.imread("lena.jpg");
cv2.imshow('img',img);
cv2.waitKey(0);
cv2.destroyAllWindows()

#均值滤波  (即一个简单的平均卷积操作
blur=cv2.blur(img,(3,3))

#方框滤波  （和均值滤波相似 可选择归一化
box=cv2.boxFilter(img,-1,(3,3),normalize=True)#做归一化结果和均值滤波一样
box1=cv2.boxFilter(img,-1,(3,3),normalize=False)#发生越界直接取255

#高斯滤波 
aussian=cv2.GaussianBlur(img,(5,5),1)

#中值滤波  选出中值  有噪音点适用
median1=cv2.medianBlur(img,3)
median2=cv2.medianBlur(img,5)
median3=cv2.medianBlur(img,7)

def cv_show(img,name):
    cv2.imshow(name,img);
    cv2.waitKey();
    cv2.destroyAllWindows();

res=np.hstack((blur,box,box1,aussian,median1,median2,median3));
cv_show(res,'res')

原图

几次处理后的图片

图像阈值

ret,dst=cv2.threshold(scr,thresh,maxval,type)

1. scr输入的图像

2. thresh阈值

3. maxval当该点像素超过阈值要赋予的值

1. type二值化操作类型

cv2.THRESH_BINARY 大于阈值部分取maxval，小于部分取0

cv2.THRESH_BINARY_INV 与上面相反

cv2.THRESH_TRUNC 大于阈值部分设为阈值，其它不变

cv2.THRESH_TOZERO 大于阈值部分不变，否则设为0

cv2.THRESH_TOZERO_INV 与上一个相反

img2 = cv2.imread("cat.jpg",cv2.IMREAD_GRAYSCALE);
ret,thresh1=cv2.threshold(img2,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(img2,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(img2,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(img2,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(img2,127,255,cv2.THRESH_TOZERO_INV)

title=['Original','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
image=[img2,thresh1,thresh2,thresh3,thresh4,thresh5]

for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(image[i],'gray')
    plt.title(title[i])
    plt.xticks([]),plt.yticks([])

plt.show();