图像平滑上的东西

一、2D卷积（图像过滤）
OpenCV提供了一个函数cv.filter2D来将内核与图像进行卷积
操作如下:保持这个内核在一个像素上，将所有低于这个内核的25个像素相加，取其平均值，然后用新的平均值替换中心像素。它将对图像中的所有像素继续此操作。
二、图像模糊（图像平滑）
通过将图像与低通滤波器内核进行卷积来实现图像模糊。这对于消除噪音很有用。它实际上从图像中消除了高频部分（例如噪声，边缘）。因此，在此操作中边缘有些模糊。（有一些模糊技术也可以不模糊边缘）。OpenCV主要提供四种类型的模糊技术。
1.平均
这是通过将图像与归一化框滤镜进行卷积来完成的。它仅获取内核区域下所有像素的平均值，并替换中心元素。这是通过功能cv.blur()或cv.boxFilter()完成的。
2.高斯模糊
在这种情况下，代替盒式滤波器，使用了高斯核。这是通过功能cv.GaussianBlur() 完成的
3.中位模糊
在这里，函数cv.medianBlur() 提取内核区域下所有像素的中值，并将中心元素替换为该中值。这对于消除图像中的椒盐噪声非常有效。
4.双边滤波
cv.bilateralFilter()在去除噪声的同时保持边缘清晰锐利非常有效。但是，与其他过滤器相比，该操作速度较慢。
blur=cv.bilateralFilter(img,9,75,75)

#图像过滤cv.filter2D()
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread("E:\\python opencv\\demo2\\output.png")
kernel = np.ones((5, 5), np.float32)/25
dst = cv.filter2D(img, -1, kernel)
plt.subplot(421), plt.imshow(img), plt.title('Original 0')
plt.xticks([]), plt.yticks([])
plt.subplot(422), plt.imshow(dst), plt.title('Averaging 0')
plt.xticks([]), plt.yticks([])


#平均，用cv.blur()或cv.boxFilter()完成
blur = cv.blur(img, (5, 5))
plt.subplot(423), plt.imshow(img), plt.title('Original 1')
plt.xticks([]), plt.yticks([])
plt.subplot(424), plt.imshow(blur), plt.title('Averaging 1')
plt.xticks([]), plt.yticks([])


#高斯模糊 cv.GaussianBlur()
blur1 = cv.GaussianBlur(img, (5, 5), 0)
plt.subplot(425), plt.imshow(img), plt.title('Original 2')
plt.xticks([]), plt.yticks([])
plt.subplot(426), plt.imshow(blur1), plt.title('Averaging 2')
plt.xticks([]), plt.yticks([])


#中位模糊
median = cv.medianBlur(img,5)
plt.subplot(427), plt.imshow(img), plt.title('Original 3')
plt.xticks([]), plt.yticks([])
plt.subplot(428), plt.imshow(median), plt.title('Averaging 3')
plt.xticks([]), plt.yticks([])
plt.show()

cv.waitKey(0)
cv.destroyAllWindows()