目录
opencv中入门的四个滤波函数:
均值滤波
方框滤波
高斯滤波
中值滤波
均值滤波
简单的说就是在以目标像素点为中心的一个矩阵中,我们将矩阵中的所有像素值值加起来
例子:
滤波函数会将中间的211那个坐标的值变成(=122.4
它的函数:
效果图
(右边是原图,左边是均值函数处理过的)
特点
易实现,效率高,操作简单,不过也容易被噪声干扰,不能完全消除噪声,尤其是椒盐噪声,对于图像的细节无法很好地保护,
方框滤波
和均值滤波大同小异,它是均值滤波的一般形式
函数
效果图
(左数第一张是原图,第二张是选择了归一化后的图,第三张是不归一化的图)
(效果不是特别好)
特点
均值滤波一致。不了解归一化的读者其实也不用纠结,初学者不需要了解得太深。在理解记住这个函数归一化和不归一化的差别就好
(下面这定义来自百度百科“归一化(openCV归一化函数)”)
归一化定义与作用
归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便,其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在某个区间上是统计的坐标分布。归一化有同一、统一和合一的意思。
高斯滤波
高斯滤波引进了加权的一个观念,也就是高斯会将矩阵内的像素值加起来,但不是简单的除平均值 ,而是根据矩阵内每个像素与中心像素的位置关系乘以一个值。上图
函数
效果图
(左一为原图)
特点
模糊图像的同时,能对图像总体的灰度分布特征有较好的保留
中值滤波
顾名思义,取矩阵的中值为矩阵的中心的像素值
如
此图中,被框中的矩阵中的中心像素值211会变成127
函数
(读者朋友注意,本文的所有函数,其所配套的矩阵不得是偶数和负数。)
效果图
(左一为原图)
特点
能够很好地消除椒盐噪声和脉冲噪声,并较好地保存图像边缘的细节,但运行地时间较长
(over~)
(笔者水平有限,本文大多地方也是支支吾吾,解释得粗糙至极,若有纰漏,还望斧正)