import cv2
import numpy as np
img_path = "./R-C.jpg"
img = cv2.imread(img_path)
方盒滤波
# normalize = Ture时,全一矩阵乘以高宽乘积分之一,为卷积核最终值,当normalize为True时等价于均值滤波
img = cv2.boxFilter(img,-1,(5,5),normalize = True)
均值滤波
# 均值滤波
img = cv2.blur(img,(5,5))
高斯滤波
# 设定方差,卷积核中心点作为坐标原点如下图,利用公式:G(x) = (1 / 2 * np.pi * σ)* (e ** (-(x**2+y**2)/2 * σ ** 2))
# 公式中均值为零且x轴与y轴的标准差一致
# 将坐标值作为x和y代入公式得到卷积核每个点的值再与图像做卷积操作
# ---------------------------
# |(-1, 1)(0, 1)( 1, 1)|
# |(-1, 0)(0, 0)( 1, 0)|
# |(-1,-1)(0,-1)( 1,-1)|
# ---------------------------
# 参数:img,卷积核大小,x轴标准差,y轴标准差(不设置的话与x一样)
img = cv2.GaussianBlur(img,(5,5),sigmaX = 0)
中值滤波
# 第二个参数为整型,与其他不一致
img = cv2.medianBlur(img,3)
双边滤波
# 利用空间距离和灰度(颜色)距离处理图像,所以有两个方差
# 效果就是抹平小边缘,大边缘不变(美颜--磨皮)
img1 = cv2.bilateralFilter(img,7,sigmaColor = 10,sigmaSpace = 3)
# 展示图像
cv2.imshow("img",np.hstack((img,img1)))
cv2.waitKey(0)
cv2.destroyAllWindows()