opencv图像的滤波

opencv图像的滤波

import cv2
import numpy as np
##图像的缩放
#resize(scr,dsize[,dst[,fx[,fy[,interpolation]]]])   scr-原始图像路径，dsize-缩放大小元组表示（）
# a=cv2.imread("C:\\Users\\25644\\Desktop\\cb.jpg",cv2.IMREAD_UNCHANGED)
# rows,cols,chn=a.shape    #返回行列，通道。
# b=cv2.resize(a,(200,100))     # 图像缩小至（列200  行 100）或者使用元组size=（200,100）
# c=cv2.resize(a,(round(cols*1.5),round(rows*1.2)))  #先列后行，计算未必是整数，所以需要四舍五入
# d=cv2.resize(a,None,fx=1.2,fy=0.5)
# cv2.imshow("original",a)
# cv2.imshow("resize200-100",b)
# cv2.imshow("resize1*1.5-1.2",c)
# cv2.imshow("fx*1.2--fy*0.5",d)
# cv2.waitKey()
# cv2.destroyAllWindows()

#图像的翻转
#函数dst=cv2.flip(scr,flipcode)。scr-原始图像路径
#flipcode--翻转模式，flipcode==0以x轴为对称轴翻转，flipcode》0以y轴为对称轴翻转
#flipcode《0以x，y轴为对称轴同时翻转
# a=cv2.imread("C:\\Users\\25644\\Desktop\\cb.jpg",cv2.IMREAD_UNCHANGED)
# b=cv2.flip(a,0)                           #沿X轴翻转
# c=cv2.flip(a,1)                                      #沿Y轴翻转
# d=cv2.flip(a,-1)                     #沿X,Y轴翻转
# cv2.imshow("a",a)
# cv2.imshow("flip-x",b)
# cv2.imshow("flip-y",c)
# cv2.imshow("flip-xy",d)
# cv2.waitKey()
# cv2.destroyAllWindows()

#阈值分割 threshold
#retval,dst=cv2.thershould(src,thresh,maxval,type).retval-阈值和thresh一致，dst-处理图像
#src原图像，thresh-阈值分割的阈值（一般取127），maxval-最大值（处理后的值），type-阈值分割的类
# a=cv2.imread("C:\\Users\\25644\\Desktop\\cb.jpg",cv2.IMREAD_UNCHANGED)
# b=cv2.cvtColor(a,cv2.COLOR_BGR2GRAY)
# #THERSH_BINARY-指二进制阈值化，阈值r=127.小于阈值127的像素，取为零；大于等于阈值127的取为255
# r,b1=cv2.threshold(b,127,220,cv2.THRESH_BINARY)
# #THRESH_binary_inv-指反二阈值化，r=127。小于阈值127的像素，取为255；大于等于127的取为零
# r,b2=cv2.threshold(b,127,255,cv2.THRESH_BINARY_INV)
# #thresh_trunc-指截断阈值化，r=127。大于阈值的像素点处理为阈值，小于阈值的不便
# r,b3=cv2.threshold(b,127,255,cv2.THRESH_TRUNC)
# #THRESH_TOZERO_INV-指反阈值化0，r=127。大于阈值的像素点处理为0，小于小于阈值的不便。
# r,b4=cv2.threshold(b,127,255,cv2.THRESH_TOZERO_INV)
# #THRESH_TOZERO-阈值化为0，r=127。大于等于阈值的像素点不变，小于阈值的处理为0
# r,b5=cv2.threshold(b,127,255,cv2.THRESH_TOZERO)
# r,b1=cv2.threshold(b,127,220,cv2.THRESH_BINARY)           #THERSH_BINARY-指二进值阈值化
# r,b2=cv2.threshold(b,127,255,cv2.THRESH_BINARY_INV)         #THERSH_BINARY_INV-指反二值阈值化
# r,b3=cv2.threshold(b,127,255,cv2.THRESH_TRUNC)             #THERSH_TRUNC-指截断阈值化，
# r,b4=cv2.threshold(b,127,255,cv2.THRESH_TOZERO_INV)          #THERSH_TOZERO_INV-指反阈值化为0
# r,b5=cv2.threshold(b,127,255,cv2.THRESH_TOZERO)            #THERSH_TOZERP-阈值化为0
# cv2.imshow("a",a)
# cv2.imshow("b",b)
# cv2.imshow("b1-rf",b1)
# cv2.imshow("b2",b2)
# cv2.imshow("b3",b3)
# cv2.imshow("b4",b4)
# cv2.imshow("b5",b5)
# cv2.waitKey()
# cv2.destroyAllWindows()

#图像滤波
a=cv2.imread("C:\\Users\\25644\\Desktop\\cb.jpg",cv2.IMREAD_UNCHANGED)
f0=cv2.blur(a,(1,1))   #均值滤波，a-原始图像，核-元组表示（5,5）即5行5列
#方框滤波，a-原始图像；目标图像深度，通常为-1，表示与原始图像一致；
#核大小：normalize-是否对目标图像进行归一化处理，值为True表示归一化处理与均值滤波一致（为True时该）
#Normaalze为False表示不归一化处理，求周围像素点的和，易发生溢出
f1=cv2.boxFilter(a,-1,(1,1),normalize=0)  #方框滤波
#高斯滤波，让临近像素值具有更高的重要度，福州微像素计算加权平均值，较近的像素具有较大的权值
# dst=cv2.GaussianBlur(a,(1,1),0)   scr-源文件，ksize-核大小(n,n)必须为奇数
#sigmaX-x方向方差，控制权重，一般取0
f2=cv2.GaussianBlur(a,(1,1),0)
#中值滤波。让领进的像素按大小排序，取排序像素中位于中间位置的值作为中值滤波后的像素值
#dst=cv2.medianBlur(src,ksize)      #src-源文件，kksize-核大小，比1大的奇数
f3=cv2.medianBlur(a,1)
cv2.imshow("a",a)
cv2.imshow("f0",f0)
cv2.imshow("f1",f1)
cv2.imshow("f3",f3)
# cv2.imshow("b4",b4)
# cv2.imshow("b5",b5)
cv2.waitKey()
cv2.destroyAllWindows()``