【OpenCV-系列2】06 图像平滑/去噪

  学习目标：
  了解图像中的噪声类型
  了解均值滤波、高斯滤波、中值滤波等内容
  能够使用滤波器进行图像处理

1 图像噪声

  由于图像采集、处理、传输等过程不可避免的会受到噪声的污染，妨碍人们对图像理解及分析处理，常见的噪声有高斯噪声、椒盐噪声等。

1.1 椒盐噪声

  椒盐噪声：也称为脉冲噪声，是图像处理中常见的一种噪声，它是一种随机出现的白点或黑点。

1.2 高斯噪声

  高斯噪声：是指噪声的(灰度值)密度函数服从高斯分布。

2 图像平滑

  图像平滑从信号处理的角度看，就是去除其中的高频信息，保留低频信息。因此可以对图像实施低通滤波，低通滤波可以去除图像中的噪声，对图像进行平滑。

2.1 均值滤波

  定义： 采用均值滤波模板，对图像中的噪声进行去除——卷积框覆盖区域所有像素的平均值来代替中心元素。
  特点： 均值滤波的算法优点是算法简单，计算速度快，缺点是去噪的时候会去掉很多细节细腻，将图像变得模糊。
  API： cv2.blur（src，ksize,anchor,borderType）
  参数：
    src：输入图像
    ksize：卷积核大小
    anchor：默认值（-1，-1）表示核中心
    borderType：边界类型

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img1=cv2.imread('blur_sp.png')#椒盐噪声的图像
img2=cv2.imread('blur_gs.png')#高斯噪声的图像

#2.均值滤波
img_blur1=cv2.blur(img1,(5,5))
#3.显示图像
cv2.imshow('origin',img1)
cv2.imshow('blur_jiaoyan',img_blur1)
cv2.waitKey(0)

2.2 高斯滤波

  二维高斯： 概率分布，在xy方向都是高斯分布

  G（x,y）的分布式一个凸起的帽子的形状

  正态分布是一种钟型曲线，越接近中心，取值越大，越远离中心，取值越小。计算高斯平滑结果时，只需要将中心点作为原点，其他点按照其在正态分布曲线上的位置，分配权重，就可以得到一个加权平均值。 （高斯平滑/滤波，在去除高斯噪声方面非常有效）
  高斯平滑/滤波的流程：
  （1）确定权重矩阵
  需要设定方差，确定高斯滤波的权重矩阵。因为该矩阵权重的总和为x，因此权重矩阵还要除以x，得到最终的权重矩阵。
  （2）计算高斯模糊
  利用权重矩阵计算高斯模糊（权重矩阵和图像元素值进行相乘，并求和，求和的结果为高斯模糊的结果）
  API： cv2.GaussianBlur（src,sigmax,sigmay,borderType）
  参数：
    src：输入图像
    ksize：高斯卷积核大小，注意卷积核的宽度和高度都应该为奇数，且可以不同
    sigmax：水平方向的标准差
    sigmay：垂直方向的标准差，默认为0，表示与sigmax相同
    borderType：填充边界类型

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img1=cv2.imread('blur_sp.png')#椒盐噪声的图像
img2=cv2.imread('blur_gs.png')#高斯噪声的图像

#2.高斯滤波
img_blur1=cv2.GaussianBlur(img2,(3,3),sigmaX=1)
#3.显示图像
cv2.imshow('origin',img2)
cv2.imshow('blur_jiaoyan',img_blur1)
cv2.waitKey(0)

2.3 中值滤波

  定义： 中值滤波是一种典型的非线性滤波技术，基本思想是 用像素点邻域灰度值的中值来替代该像素点的灰度值。
  特点： 对椒盐噪声尤其有用，因为他不依赖邻域内那些典型值差别很大的值
  API： cv2.medianBlur（src,ksize）
    src：输入图像
    ksize：卷积核大小

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img1=cv2.imread('blur_sp.png')#椒盐噪声的图像
img2=cv2.imread('blur_gs.png')#高斯噪声的图像

#2.均值滤波

img_blur1=cv2.medianBlur(img1,3)
#3.显示图像
cv2.imshow('origin',img1)
cv2.imshow('blur_jiaoyan',img_blur1)
cv2.waitKey(0)