OpenCV：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）

最新推荐文章于 2024-07-27 09:45:00 发布

小小派蒙，可笑可笑

最新推荐文章于 2024-07-27 09:45:00 发布

阅读量63

点赞数

文章标签： opencv 均值算法计算机视觉

本文链接：https://blog.csdn.net/m0_69679042/article/details/132264044

版权

OpenCV：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）

import cv2

'''线性滤波'''
def box(img, k):
    img_P_0 = cv2.boxFilter(img, -1, k, normalize=0)
    img_P_1 = cv2.boxFilter(img, -1, k, normalize=1)

    '''cv2.boxFilter(src, depth, ksize, normalize)
    src：输入图像
    depth：图片深度（设置-1为默认深度，不自行设定）
    ksize：卷积核大小（默认3*3），越大越模糊，也可当去噪用
    normalize：0为False，1为True。0：卷积核内像素求和，1：求平均值
    '''
    cv2.imshow('方框滤波0', img_P_0)
    cv2.imshow('方框滤波1', img_P_1)

def mean(img, k):
    img_M = cv2.blur(img, k)
    '''cv2.blur(scr, ksize)
    src：输入图像
    ksize：卷积核大小（默认3*3），一般为奇数
    '''
    cv2.imshow('均值滤波', img_M)       #相当于方框滤波 normalize参数为1

def gauss(img, k, a):
    img_G = cv2.GaussianBlur(img, k, a)
    '''cv2.GaussianBlur(src, ksize, sigma)
    src：输入图像
    ksize：高斯核大小（默认3*3），一般为奇数
    sigma：高斯权重，值越大，远处像素对中心点的影响越大
    '''
    cv2.imshow('高斯滤波', img_G)

'''非线性滤波'''
def median(img, k):
    img_M = cv2.medianBlur(img, k)
    '''cv2.medianBlur(src, ksize, dst)
    src：输入图像
    ksize：核大小，方阵，输1位
    '''
    cv2.imshow('中值滤波', img_M)

def bilateral(img, d, c, s):
    img_B = cv2.bilateralFilter(img, d, c, s)        #保留图像边缘进行去噪
    '''cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)
    src：输入图像
    d：像素邻域直径（-1即可）
    sigmaColor：灰度值相似性高斯函数标准差
    sigmaSpace：空间高斯函数标准差
    '''
    cv2.imshow('双边滤波', img_B)


img_0 = cv2.imread('识别（原）.png', cv2.IMREAD_UNCHANGED)
img_1 = cv2.imread('识别（椒盐）.png', cv2.IMREAD_UNCHANGED)
img_0 = cv2.resize(img_0, (450,400))
img_1 = cv2.resize(img_1, (450,400))


cv2.imshow('原图', img_0)
cv2.imshow('椒盐噪声图', img_1)

box(img_1, (6, 2))
mean(img_1, (5, 5))
gauss(img_1, (3, 3), 1)
median(img_1, 3)
bilateral(img_1, -1, 20, 15)

cv2.waitKey(0)
cv2.destroyAllWindows()