学习笔记(17):Python+OpenCV计算机视觉-图像平滑-方框滤波

最新推荐文章于 2022-11-23 06:30:00 发布
最新推荐文章于 2022-11-23 06:30:00 发布
阅读量324 收藏
点赞数 1
分类专栏： opencv+python学习笔记 文章标签： python 计算机视觉 opencv 人工智能
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/m0_43414015/article/details/104565451
版权

立即学习:https://edu.csdn.net/course/play/10552/234932?utm_source=blogtoedu

方框滤波

函数boxFilter

处理结果 = cv2.boxFilter(src,目标图像深度，核大小，normalize属性)

目标图像深度 ：int类型的目标图像深度。 通常使用“-1”表示与原始图像一致

核大小 ： （5,5）（3,3）

normalize属性 ：是否对结果进行归一化处理

kernal =\frac{1}{a} \begin{bmatrix} 1 & ... &1 \\ 1& ... &1 \\ 1& ... &1 \end{bmatrix}

a = \left\{\begin{matrix} \frac{1}{width*height} \ normalize = true\\ \ \ \ \ \ \ \ 1 \ \ \ \ \ \ \ \ normalize = false \end{matrix}\right.

normalize = true 与均值滤波相同

normalize = fa

最低0.47元/天 解锁文章
投篮不准的小宇哥
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
opencv方框滤波cv2.boxFilter
weixin_42764391的博客
04-08 4124
import cv2 img=cv2.imread('1.jpg') # 卷积和尺寸 是否归一化 #normalize=True 时等价于 均值滤波cv2.blur #normalize=False 时 卷积结果>255时，置为255 blur=cv2.boxFilter(img,-1, (3, 3), normalize=Fals...
学习笔记(32):Python+OpenCV计算机视觉-canny边缘检测
12-22
Canny边缘检测是一种经典的计算机视觉算法，用于在图像中检测物体的边缘。它是由John F. Canny在1986年提出的，被广泛应用于图像处理和计算机视觉领域。本篇学习笔记将深入探讨Canny边缘检测的原理和实现过程。 1. ...
三、opencv滤波篇-python实现（均值滤波、方框滤波、高斯滤波、中值滤波）
qq_15060477的博客
01-01 704
均值滤波、方框滤波、高斯滤波、中值滤波 -- coding: utf-8 -- import cv2 import numpy as np from matplotlib import pyplot as plt img1=cv2.imread(“D:/images/take.jpg”) img2=cv2.imread(“D:/images/qudou.jpg”) 均值、方框、高斯和中值滤波，其中，中值滤波不用转换 def midiumblur(img): source = cv2.cvtColor(img
方框滤波opencv-python
weiwei152433的博客
02-23 3192
方框滤波——cv.boxFilter() 文章目录前言一、方框滤波是什么？二、方框滤波cv.boxFilter()1.函数原型2.平方求和方框滤波cv.sqrBoxFilter()文献参考 前言 方框滤波是均值滤波的一个特殊的例子，也是线性滤波的一种。 一、方框滤波是什么？ 均值滤波是将滤波模板的所有元素求和后再求平均值，最后把平均值复制给滤波模板中的所有元素，即均值滤波的模板内的所有元素值等于均值并且相等；而方框滤波也会将滤波模板的所有元素求和，但是方框滤波可以选择是否求平均值，即不归一化，最后将
Python 图像处理OpenCV：方框滤波（笔记）
m0_46820710的博客
11-23 273
Python 图像处理OpenCV：方框滤波（笔记）
学习笔记(02):Python+OpenCV计算机视觉-方框滤波
weixin_44519401的博客
02-08 143
Python+OpenCV计算机视觉系统全面的介绍。
OpenCV-python 学习笔记 OpenCV图像平滑1
08-03
OpenCV图像平滑算法笔记 OpenCV图像平滑是一种常用的图像处理技术，用于去除图像中的噪音和细节，提高图像的质量。下面将介绍五种常用的图像平滑算法：平均平滑、高斯平滑、双边平滑、中值平滑和卷积平滑。 1. ...
python+OpenCV.zip
04-20
在本压缩包"python+OpenCV.zip"中，包含了使用Python和OpenCV库进行图像处理的一系列教程。这些教程在Jupyter Notebook环境下编写...通过学习这些笔记，你将能够熟练运用Python和OpenCV进行图像分析、处理和识别任务。
opencv-tutorial-a-guide-to-learn-opencv
06-06
OpenCV（开源计算机视觉库）是一个强大的图像和视频处理库，广泛应用于计算机视觉、图像分析和机器学习领域。它支持多种编程语言，包括 Python，使得在Python环境下进行图像处理变得更加便捷。本教程的目标是帮助...
【opencv学习笔记 23轮廓发现】
12-21
本篇学习笔记将详细介绍如何在OpenCV中进行轮廓发现，并提供了一段Python代码作为示例。 首先，边缘检测是轮廓发现的前提步骤。在提供的代码中，使用了高斯模糊（GaussianBlur）函数来平滑图像，减少噪声。接着，将...
学习笔记(03):Python+OpenCV计算机视觉-方框滤波
roseliuhuis的专栏
11-04 154
Python+OpenCV计算机视觉系统全面的介绍。
opencv（Python/c++）:滤波（方框滤波，均值滤波，高斯滤波，中值滤波，双边滤波）
weixin_42755384的博客
03-09 1499
Python中的滤波体现在cameo项目，到时候再移植一下。 什么是图像滤波？ 图像滤波，是指保留图像细节特征的条件下对目标图像的噪声进行抑制，称之为图像平滑化或者滤波 滤波分为线性滤波和非线性滤波： 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（能够去除脉冲噪声，椒盐噪声同时又能够保留图像的边缘细节），双边滤波（可以做边缘保存） 其中高斯低通就是模糊，高通就是锐化 正态分布就...
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
weixin_40137925的博客
10-26 878
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
opencv简单学习方框滤波，均值滤波，高斯滤波
OliverkingLi的博客
01-04 597
代码： #include"stdafx.h" #include #include "opencv2/imgproc.hpp" #include "opencv2/imgcodecs.hpp" #include "opencv2/highgui.hpp" #include"opencv2/core/core.hpp" #include using namespace cv; using na
【openCV-python系列学习】四、均值滤波、方框滤波、高斯滤波及中值滤波
程序员小祝的博客
07-09 691
在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。可以采用图像平滑中的均值滤波、方框滤波、高斯滤波及中值滤波等方法。 原图： 噪声图片： 给原图添加噪声以供测试的代码： # -*- coding:utf-8 -*- import cv2 import numpy as np #读取图片 img =...
OpenCV Python学习笔记（5）—— 边缘保留滤波（EPF）
一角残叶的博客
07-23 555
1 边缘保留滤波 高斯双边 均值迁移 2 测试 import cv2 as cv import numpy as np def bi_demo(image): dst = cv.bilateralFilter(image, 0, 100, 15) cv.imshow("bi_demo", dst) def shift_demo(image): dst = cv....
python-opencv之图像滤波（blur，boxFilter，GaussianBlur，medianBlur）
恍恍惚惚的大穷猫的博客
09-14 4806
高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。中值滤波是一种典型的非线性滤波，是基于排序统计理论的一种能够有效抑制噪声的非线性信号处理技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点。中值滤波会取当前像素点及其周围临近像素点（一共有奇数个像素点）的像素值，将这些像素值排序，然后将位于中间位置的像素值作为当前像素点的像素值。如果normalize!
Python图像平滑滤波处理(均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波)
L888666Q的博客
10-08 7181
图像平滑是指受传感器和大气等因素的影响，遥感图像上会出现某些亮度变化过大的区域，或出现一些亮点(也称噪声)。这种为了抑制噪声，使图像亮度趋于平缓的处理方法就是图像平滑。图像平滑实际上是低通滤波，平滑过程会导致图像边缘模糊化。
Python+OpenCV计算机视觉
12-28
Python+OpenCV计算机视觉系统全面的介绍。
python＋opencv计算机视觉
最新发布
11-29
Python＋OpenCV是一种非常流行的计算机视觉库，用于处理图像和视频数据。OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，提供了许多功能，包括图像处理、特征检测、目标跟踪、运动检测等。Python是用于编写计算机程序的高级编程语言，它易于学习，并且拥有丰富的第三方库，包括OpenCV。 Python＋OpenCV的主要应用场景包括： 1. 图像处理：使用OpenCV可以进行各种图像处理操作，例如调整大小、裁剪、旋转、色彩空间转换、滤波等。 2. 特征检测：OpenCV提供了许多特征检测算法，如SIFT、SURF、ORB等，可用于识别图像中的关键点并提取特征描述符。 3. 目标跟踪：OpenCV提供了许多目标跟踪算法，如帧间差分法、光流法等，可用于实时跟踪视频中的运动目标。 4. 运动检测：OpenCV可以检测视频中的运动对象，例如车辆、行人等。 5. 面部识别：OpenCV可以用于面部识别，通过检测图像中的面部特征并进行匹配。 使用Python＋OpenCV进行计算机视觉开发的基本步骤包括： 1. 安装Python和OpenCV库：可以从官方网站下载并安装Python和OpenCV库。 2. 导入库：在Python脚本中导入OpenCV库，以便可以使用其提供的函数和方法。 3. 读取图像或视频文件：使用OpenCV的函数读取图像或视频文件，并将其加载到内存中。 4. 进行图像处理或特征检测：使用OpenCV提供的函数和方法对图像或视频进行处理或检测特征。 5. 保存结果：将处理或检测的结果保存到文件或输出到控制台。 总之，Python＋OpenCV是一种强大的计算机视觉工具，可用于各种图像和视频处理任务。通过学习和掌握Python＋OpenCV，您可以轻松地进行计算机视觉研究、开发和应用。
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