python3 利用opencv 添加中值滤波，均值滤波，高斯滤波，高斯双边滤波

最新推荐文章于 2024-08-01 10:16:10 发布
最新推荐文章于 2024-08-01 10:16:10 发布
阅读量3.6w 收藏 51
点赞数 14
分类专栏： python3 opencv 文章标签： python opencv window
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dgut_guangdian/article/details/78378896
版权

1.准备： 

库：opencv，numpy
编译环境：PyCharm（当然，其他集成编译环境也可以）

2.正文：

 

 

 
 
import cv2
import numpy as np




img01 = cv2.imread("E:\cpy\photo\image01.bmp")#读取目标图片
 
 
 
 
#中值滤波
img_medianBlur=cv2.medianBlur(img01,5)
font=cv2.FONT_HERSHEY_SIMPLEX
#均值滤波
img_Blur=cv2.blur(img01,(5,5))
#高斯滤波
img_GaussianBlur=cv2.GaussianBlur(img01,(7,7),0)

#高斯双边滤波
img_bilateralFilter=cv2.bilateralFilter(img01,40,75,75)

 
 
#中值滤波
 
 
 
  
 
 

 

 
 
 

 

 
 
均值滤波
 
  
 
 

 

 
 
#高斯滤波
 
  
 
 

 

 
 
 

 

 
 
#高斯双边滤波
 
  
 
 


                

        

        

    

  


    

      

        

            

              
                
                  dgut_guangdian
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
[Python图像处理] 四十一.Python图像平滑万字详解（均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波）

				
			

			

				

					杨秀璋的专栏
				

				

					06-07
					
					8862
					
				

			

		

		

			
				
前面一篇文章介绍了图像分割知识，包括阈值分割、边缘分割、纹理分割、分水岭算法、K-Means分割、漫水填充分割、区域定位等。这篇文章将详细讲解图像平滑知识，包括均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波。万字长文整理，希望对您有所帮助。该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

			
		

	



                

              
                



	

		

			

				
					
手把手教你OpenCV常见滤波（高斯，中值，均值）C++

					
最新发布

				
			

			

				

					qq_53545309的博客
				

				

					08-03
					
					594
					
				

			

		

		

			
				
相关以上面的滤波运算方法对图像进行遍历处即使w每个像素能够访问图像f中每个像素。卷积运算时将滤波器核w旋转180°再处理。线性空间滤波器在图像f和滤波器核w之间执行乘积之和运算。用邻域像素改变中心像素的灰度值大小。在统计学与概率论中，高斯函数是正态分布（高斯分布）的密度函数。中值滤波就是取周围邻域像素灰度值值的中值作为中心像素灰度值结果。其中，其中a、b与 c为实数常数，且a > 0.c(σ)指width(与半峰全宽有关)；b(μ)是指曲线在x轴的中心；a表示得到曲线的高度；

			
		

	



                


  
              

                


	

		

			

				
					
OPenCV高级编程——OpenCV图像滤波技术详解与示例

				
			

			

				

					J^T的博客
				

				

					08-01
					
					1270
					
				

			

		

		

			
				
在图像处理领域，滤波是一项基本且重要的技术，用于改善图像质量、去除噪声、增强边缘等。OpenCV作为一个强大的计算机视觉库，提供了多种图像滤波技术，包括线性滤波和非线性滤波。本文将详细介绍OpenCV中的图像滤波技术，包括相关类和函数的用法，并通过示例代码展示其应用。

			
		

	





	

		

			

				
					
Python 实现中值滤波、均值滤波的方法

				
			

			

				

					09-19
				

			

		

		

			
				
今天小编就为大家分享一篇Python 实现中值滤波、均值滤波的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

			
		

	



		

			
		



	

		

			

				
					
python+numpy实现均值滤波

				
			

			

				

					12-21
				

			

		

		

			
				
算法复习实践，使用python和numpy实现均值滤波算法，巩固编程基础

			
		

	





	

		

			

				
					
python opencv中值滤波_opencv-python图像预处理-滤波

				
			

			

				

					weixin_39655362的博客
				

				

					11-29
					
					387
					
				

			

		

		

			
				
为了消除外界环境对图像采集的干扰，增强图像的边缘及灰度跳变的部分，使图像变得清晰以及提高图像处理速度需要对图像进行预处理操作，主要是对图像进行滤波和增强操作。使用的方法可以分为空间域处理和频率域处理两类。空间域指图像平面本身，这类图像处理方法用各种模板直接与图像进行卷积运算，实现对图像的处理。频率域是指从函数的频率角度出发分析函数，对图像进行傅里叶变换可以将图像由图像空间转换到频域空间，然后在频率...

			
		

	





	

		

			

				
					
中值滤波opencv-python

				
			

			

				

					weiwei152433的博客
				

				

					02-24
					
					3706
					
				

			

		

		

			
				
中值滤波-cv.medianBlur()函数

文章目录前言一、中值滤波是什么？二、cv.medianBlur()函数1.函数原型2.与均值滤波的比较参考

前言
线性滤波是滤波模板内的像素值通过线性组合得到，运算过程包含排序、逻辑计算等等，并且线性滤波是对所有的像素进行线性组合，因此含有噪音的像素也一样会被计算在内，导致线性滤波对于去噪只能是减缓，不能消除，使得噪音仍然存在。而非线性滤波对像素的处理是非线性的，使得滤波的效果可能会更好，非线性滤波通过一定的逻辑判断可以将噪音过滤掉。常见的非线性滤波主要有中

			
		

	





	

		

			

				
					
Python+opencv 高斯滤波

				
			

			

				

					qq_42032507的博客
				

				

					12-06
					
					605
					
				

			

		

		

			
				
import cv2
import matplotlib.pyplot as plt
import matplotlib
import numpy as np
import random

# 设置画图支持中文
font = {'family': 'SimHei', 'size': 6}
matplotlib.rc('font', **font)


def add_gaussian_noise(image, sigma=20):
    img = image.astype(np.int16)  # 此步

			
		

	





	

		

			

				
					
41.Python图像平滑万字详解（均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波）.pdf

				
			

			

				

					03-31
				

			

		

		

			
				
本文将详细介绍五种常见的图像平滑方法：均值滤波、方框滤波、高斯滤波、中值滤波和双边滤波。  ### 均值滤波  #### 1. 算法原理  均值滤波是一种简单的线性滤波方法，它通过计算窗口内所有像素的平均值来代替中心...

			
		

	





	

		

			

				
					
python+opencv计算机视觉去噪处理的均值滤波，高斯滤波，中值滤波，双边滤波简答精华总结

				
			

			

				

					a1111111111ss的博客
				

				

					05-25
					
					1677
					
				

			

		

		

			
				
借鉴大佬的
rocling
https://blog.csdn.net/weixin_41424481/article/details/96738308?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-9
（这个博主写的真的简洁明了）
想要详细了解的参考
（这个图是真的太棒了）

结果


import numpy as np
import cv2
import matplotlib.pyplot as plt
########     四个

			
		

	





	

		

			

				
					
Opencv学习笔记 各向异性滤波/均值滤波/高斯滤波/中值滤波/加权中值滤波/高斯低通滤波

				
			

			

				

					学以致用 知行合一
				

				

					09-22
					
					1345
					
				

			

		

		

			
				
各向异性滤波：各向异性扩散滤波主要是用来平滑图像的，克服了高斯模糊的缺陷，各向异性扩散在平滑图像时是保留图像边缘的，和双边滤波很像。
双边滤波：双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布。

			
		

	





	

		

			

				
					
python+opencv计算机视觉去噪处理的均值滤波，高斯滤波，中值滤波，双边滤波，方框滤波介绍

				
			

			

				

					a1111111111ss的博客
				

				

					05-25
					
					879
					
				

			

		

		

			
				
参考大佬的
xzbwm576
https://blog.csdn.net/u011304078/article/details/100171317
详解均值滤波，高斯滤波，中值滤波，双边滤波，方框滤波
滤波器种类
线性滤波：  方框滤波、均值滤波、高斯滤波
非线性滤波： 中值滤波、双边滤波图像
图像滤波要求：
不能损害图像的轮廓和边缘，
图像清晰视觉效果更好
一、图像平滑
图像平滑的目的之一是消除噪声，二是模糊图像。
（1）方框滤波
它是滤波器中最简单的，是通过滤波器核K内每个像素值的平均值得到的，滤波核如

			
		

	





	

		

			

				
					
python -opencv 中值滤波 ，均值滤波，高斯滤波实战

				
			

			

				

					weixin_43327597的博客
				

				

					11-22
					
					1062
					
				

			

		

		

			
				
cv2.GaussianBlur-高斯滤波。cv2.medianBlur-中值滤波。cv2.blur-均值滤波。

			
		

	





	

		

			

				
					
中值滤波（python实现）

					
热门推荐

				
			

			

				

					xiaoqiaoliushuiCC的博客
				

				

					01-05
					
					1万+
					
				

			

		

		

			
				
第一步：rgb图像转为灰度图像
import cv2
import numpy as np

image = cv2.imread("E:/code/python/medfilter/1lena.png")
width = image.shape[0]
height = image.shape[1]
grayimg = np.zeros([width,height,1],np.uint8) 
for i in range(height):
    for j in range(width):
       

			
		

	





	

		

			

				
					
中值滤波--python实现

				
			

			

				

					qq_24872841的博客
				

				

					08-16
					
					8702
					
				

			

		

		

			
				
中值滤波介绍
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上...

			
		

	





	

		

			

				
					
Python Opencv实践 - 图像中值滤波

				
			

			

				

					vivo01的专栏
				

				

					08-21
					
					655
					
				

			

		

		

			
				
【代码】Python Opencv实践 - 图像中值滤波。

			
		

	





	

		

			

				
					
【PYTHON+OPENCV】实现中值滤波

				
			

			

				

					qq_43163592的博客
				

				

					07-15
					
					2296
					
				

			

		

		

			
				
数字图像处理的作业，虽然很快写完了但还是在不该费时间的地方踩了一些弱智的坑，在这里记录一下
思路如下：
1.读入图片
image=cv.imread("test.jpg",cv.IMREAD_GRAYSCALE)

2.编写AddNoise函数增加噪点
def AddNoise(img,SNR):  #加噪音

添加噪声参考了别人的思路：
（1）计算出总共的像素个数，以及根据信噪比求出总共要布置多...

			
		

	





	

		

			

				
					
【计算机图像处理】中值滤波-Python实现

				
			

			

				

					weixin_43890220的博客
				

				

					10-30
					
					6517
					
				

			

		

		

			
				
今天上完图像处理的实验课
记录一下中值滤波的原理和Python的实现方式：
大佬中值滤波的博客（代码参考）
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。
这种滤波法对椒盐噪声有很强的过滤效果。
首先，我们为一张灰度图片添加椒盐噪点，这里选用的是经典的Lena图：
from PIL import Image
import numpy as np


def AddNoise(src, dst, probability=0.05, method="sal

			
		

	





	

		

			

				
					
opencv对一幅图像进行均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波和2D卷积滤波代码

				
			

			

				

					05-18
				

			

		

		

			
				
以下是对一幅图像进行均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波和2D卷积滤波的代码示例，使用了OpenCV库。

```python
import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 均值滤波
mean = cv2.blur(img, (5, 5))

# 方框滤波
box = cv2.boxFilter(img, -1, (5, 5))

# 高斯滤波
gaussian = cv2.GaussianBlur(img, (5, 5), 0)

# 中值滤波
median = cv2.medianBlur(img, 5)

# 双边滤波
bilateral = cv2.bilateralFilter(img, 9, 75, 75)

# 2D卷积滤波
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
convolution = cv2.filter2D(img, -1, kernel)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Mean Filtered Image', mean)
cv2.imshow('Box Filtered Image', box)
cv2.imshow('Gaussian Filtered Image', gaussian)
cv2.imshow('Median Filtered Image', median)
cv2.imshow('Bilateral Filtered Image', bilateral)
cv2.imshow('2D Convolution Filtered Image', convolution)
cv2.waitKey(0)
cv2.destroyAllWindows()
```

注意，以上代码中使用的kernel矩阵是一个简单的锐化滤波器，可根据需要进行修改。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值