[OpenCV] EP4 噪声消除与滤波

🌌 噪声类型：高斯噪声 VS 椒盐噪声

一、核心概念⚡

是什么？

1. 噪声 📡

定义：图像中的干扰因素，由采集设备、传输信道等引起，表现为随机异常像素值。

高斯噪声：

• 特点：像素值呈正态分布（高斯分布），使图像模糊、有颗粒感，类似 “蒙上雾气”。
• 成因：多由传感器噪声、光照不均等引起，如低光照下的拍摄噪声。

椒盐噪声： 

• 特点：随机出现黑白像素点（0 或 255），像 “撒了盐和胡椒”，破坏图像干净度。
• 成因：信号传输错误、传感器故障等，如老照片上的斑点。

2. 滤波器 🧩

定义：通过滑动 “卷积核”（小区域矩阵）计算中心像素值的图像处理工具。

• 分类：
  • 线性滤波：对邻域像素进行加权求和（线性运算），核值固定。
    • ✅ 数学公式计算（如加权求和），适合均匀噪声
  • 非线性滤波：基于像素值逻辑关系（如排序、阈值）计算，核值动态变化。
    • ✅ 逻辑规则处理（如取中位数），适合极端值或边缘保护

3. 滤波与模糊的关系 🤝

• 联系：本质都是卷积运算，通过核滑动处理像素。
• 区别：
  • 低频：变化缓慢的部分（大面积区域）
  • 高频：快速变化的部分（边缘）
  • 低通滤波器 = 模糊 = 去除高频噪声（如高斯/均值滤波）（去噪、平滑）
  • 高通滤波器 = 锐化 = 强化高频边缘（如拉普拉斯算子）（增强边缘）

噪声类型	表现形式	对应滤波器	原理
高斯噪声	整体模糊	均值/高斯滤波（线性）	加权平均，削弱随机扰动
椒盐噪声	孤立斑点	中值滤波（非线性）	取中位数，剔除极端值

---

🌌 线性滤波（均值/方框/高斯滤波）

一、核心概念⚡

均值滤波

• 用核内像素平均值替代中心像素，消除随机噪声
• ✅ 把周围像素颜色混在一起，模糊图像

方框滤波

• 均值滤波的推广，可选择是否归一化（归一化=均值滤波）
• ✅ 可以是求平均值，也可以是求和

高斯滤波

• 核内像素加权平均，权重按高斯分布，中心权重最高
• ✅ 更聪明的模糊，中间像素影响更大

 

二、用法 💐

1. 均值滤波 ☘️

dst = cv2.blur(src, ksize, dst=None, anchor=None, borderType=None)

参数

• src：输入图像
• ksize：卷积核的大小，必须为奇数，如 (3, 3)
• dst：输出图像，可选。
• anchor：卷积核的锚点，可选，默认是(-1, -1)，表示核的中心。
• borderType：边界填充类型，默认边界反射101
  • 只有中值滤波默认使用边界复制

 

2. 方框滤波☘️

dst = cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None)

（1）参数

• ddepth：输出图像的深度，通常设为-1表示和输入图像深度相同。
  • 图像深度是指在数字图像处理和计算机视觉领域中，每个像素点所使用的位数（bit depth），图像深度决定了图像能够表达的颜色数量或灰度级
• normalize：是否进行归一化，布尔值

（2）注意点：

1. 当normalize=True时，和均值滤波相同；当normalize=False时，表示求和，输出可能会超出像素值范围

3. 高斯滤波 ☘️

dst = cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

（1）参数

• sigmaX：高斯核标准差，值越大越模糊 (sigmaY默认和sigmaX相同)

（2）注意点：

1. 高斯滤波更适合保留边缘，且高斯噪声处理首选高斯滤波

---

🌌 非线性滤波（中值/双边滤波）

一、核心概念⚡

中值滤波

• 取核内像素中值替代中心像素，有效去除椒盐噪声（去极端值）

双边滤波

• 同时考虑空间距离和像素值差异，保留边缘的同时去噪
• 两个高斯滤波结合

二、用法 💐

1. 中值滤波 ☘️

dst = cv2.medianBlur(src, ksize)

2. 双边滤波 ☘️

dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None)

（1）参数

• d：邻域直径（越大越慢）
• sigmaColor：颜色空间滤波器的标准差，控制颜色相似性。（值大则更多颜色混合）
• sigmaSpace：坐标空间滤波器的标准差，控制空间距离相似性。

（2）注意点：

1. d=0时自动由sigmaSpace计算，通常设d=9平衡速度与效果

---

🪺 小结

1. 滤波器的选择
   • 在不知道用什么滤波器好的时候：优先高斯滤波，然后均值滤波。
   • 斑点和椒盐噪声 → 优先使用中值滤波。
   • 要去除噪点的同时尽可能保留更多的边缘信息 → 双边滤波。
   • 线性滤波方式：均值滤波、方框滤波、高斯滤波（速度相对快）。
   • 非线性滤波方式：中值滤波、双边滤波（速度相对慢）。
2. 边界填充：
   • 中值滤波默认使用边界复制填充 BORDER_REPLICATE
   • 其余滤波默认使用边界反射101填充 BORDER_REFLECT_101