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
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
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)
scr输入的图像
thresh阈值
maxval当该点像素超过阈值要赋予的值
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();