OpenCV__Python图像的滤波（模糊）_教程11

1滤波

1：均值滤波

均值滤波是一种线性滤波器，处理思路也很简单，就是将一个窗口区域中的像素计算平均值，然后将窗口中计算得到的均值设置为锚点上的像素值。

该算法有优点在于效率高，思路简单。同样，缺点也很明显，计算均值会将图像中的边缘信息以及特征信息“模糊”掉，会丢失很多特征。

均值滤波使用简单的卷积方案来实现，既然是计算窗口区域中的像素和，即使用如下卷积核即可。图像的边界部分采用padding操作处理。另外，得到的锚点像素值要进行归一化，即除以窗口尺寸大小。在OpenCV中，我们使用cv.blur（）这个函数即可实现。

2：中值滤波

中值滤波是一种非线性滤波，在处理脉冲噪声以及椒盐噪声时效果极佳，能够有效的保护好图像的边缘信息。
在OpenCV中，我们使用cv.medianBlur（）这个函数即可实现。

3.filter2D

典型代码如下

#引入opencv模块
import cv2 as cv
#引入numpy模块
import numpy as np
#引入sys模块
import sys


#均值滤波，求平均值
def blur_test(img):
    #dst = cv.blur(img,(1,3))
    #dst = cv.blur(img,(1,15))
    #dst = cv.blur(img,(15,1))
    dst = cv.blur(img,(5,5))
    return dst             


#中值滤波，找中值
def median_blur_test(img):
    dst = cv.medianBlur(img,5)
    return dst    


#定义核滤波
def filter2d_blur_test(img):
    #kernel = np.ones([5,5],np.float32)/25
    #kernel = np.array([[1,1,1],[1,1,1],[1,1,1]],np.float32)/9   
    #下面的核为锐化
    #kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32)/1
    kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32)    
    dst = cv.filter2D(img,-1,kernel = kernel)
    return dst   


def img_test():
    img = cv.imread('E:/chenopencvblogimg/lena.jpg')
    #判断是否读取成功
    if img is None:
        print("Could not read the image,may be path error")
        return
    cv.namedWindow("origin Pic",cv.WINDOW_NORMAL)
    cv.imshow("origin Pic",img)
  
    img_show = blur_test(img)
    cv.namedWindow("blur_test",cv.WINDOW_NORMAL)
    cv.imshow("blur_test",img_show)    
    img_show = median_blur_test(img)
    cv.namedWindow("median_blur_test",cv.WINDOW_NORMAL)
    cv.imshow("median_blur_test",img_show) 
    img_show = filter2d_blur_test(img)
    cv.namedWindow("filter2d_blur_test",cv.WINDOW_NORMAL)
    cv.imshow("filter2d_blur_test",img_show)     
    #让显示等待键盘输入维持在那里，否则程序跑完就闪退啦！
    cv.waitKey(0)
    #销毁窗口
    cv.destroyAllWindows()

if __name__ == '__main__':
    sys.exit(img_test() or 0)

2添加高斯噪声

#引入opencv模块
import cv2 as cv
#引入numpy模块
import numpy as np
#引入sys模块
import sys

#0--255之间的限定
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv


#添加高斯噪声
def gaussian_noise(img):
    h,w,c = img.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0,20,3)
            b = img[row,col,0]
            g = img[row,col,1]
            r = img[row,col,2]
            img[row,col,0] = clamp(b+s[0])     
            img[row,col,1] = clamp(g+s[1]) 
            img[row,col,2] = clamp(r+s[2])    
    return img             


def img_test():
    img = cv.imread('E:/chenopencvblogimg/lena.jpg')
    #判断是否读取成功
    if img is None:
        print("Could not read the image,may be path error")
        return
    cv.namedWindow("origin Pic",cv.WINDOW_NORMAL)
    cv.imshow("origin Pic",img)
    t1 = cv.getTickCount()
    img_show = gaussian_noise(img)
    t2 = cv.getTickCount()
    time = (t2- t1)/cv.getTickFrequency()
    print("time used: %s ms"%(time*1000))
    cv.namedWindow("gaussian_noise",cv.WINDOW_NORMAL)
    cv.imshow("gaussian_noise",img_show)    
   
    #让显示等待键盘输入维持在那里，否则程序跑完就闪退啦！
    cv.waitKey(0)
    #销毁窗口
    cv.destroyAllWindows()

if __name__ == '__main__':
    sys.exit(img_test() or 0)

3对添加高斯噪声的图像滤波

 

#引入opencv模块
import cv2 as cv
#引入numpy模块
import numpy as np
#引入sys模块
import sys

#0--255之间的限定
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv


#添加高斯噪声
def gaussian_noise(img):
    h,w,c = img.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0,20,3)
            b = img[row,col,0]
            g = img[row,col,1]
            r = img[row,col,2]
            img[row,col,0] = clamp(b+s[0])     
            img[row,col,1] = clamp(g+s[1]) 
            img[row,col,2] = clamp(r+s[2])    
    return img             


def img_test():
    img = cv.imread('E:/chenopencvblogimg/lena.jpg')
    #判断是否读取成功
    if img is None:
        print("Could not read the image,may be path error")
        return
    cv.namedWindow("origin Pic",cv.WINDOW_NORMAL)
    cv.imshow("origin Pic",img)
    t1 = cv.getTickCount()
    img_show = gaussian_noise(img)
    t2 = cv.getTickCount()
    time = (t2- t1)/cv.getTickFrequency()
    print("time used: %s ms"%(time*1000))
    cv.namedWindow("gaussian_noise",cv.WINDOW_NORMAL)
    cv.imshow("gaussian_noise",img_show)    
   
    #img_show = cv.GaussianBlur(img,(0,0),15)
    #img_show = cv.GaussianBlur(img,(0,0),1)  
    img_show = cv.GaussianBlur(img,(5,5),0)      
    cv.namedWindow("GaussianBlur",cv.WINDOW_NORMAL)
    cv.imshow("GaussianBlur",img_show)  
    #让显示等待键盘输入维持在那里，否则程序跑完就闪退啦！
    cv.waitKey(0)
    #销毁窗口
    cv.destroyAllWindows()

if __name__ == '__main__':
    sys.exit(img_test() or 0)