数字图像处理(二)空间域滤波和频率域滤波

空间域滤波

平滑空间滤波器(低通)

均值滤波

均值滤波器可以一定程度降低高斯噪声,但对椒盐噪声效果不好,并且平滑也会带来图像模糊化。
椒盐噪声是灰度值过大或过小的噪声,对均值的影响较大,所以滤波效果不好。

# 方法1
img_smooth = cv.blur(img_org, ksize=(3, 3))
# 方法2
kernel = np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]])/9
img_smooth = cv.filter2D(img_org, -1, kernel)

高斯滤波

高斯滤波构造二维高斯分布的核函数,可以有效的出去图像的高斯噪声。

# 方法1
img_smooth = cv.GaussianBlur(img,(5,5),0.6)
# 方法2
kernel = cv.getGaussianKernel(ksize=3, sigma=0.6) * cv.getGaussianKernel(ksize=3, sigma=0.6).T
img_smooth = cv.filter2D(img_org, -1, kernel)

双边滤波

双边滤波希望在非边缘部分,让图像平滑(高斯滤波); 在边缘部分,让图像变得锐化(让模板中与中心像素差值大的权重更小),可以有效保留边缘。

img_smooth = cv.bilateralFilter(img_org,r,差值,差值)

中值滤波

中值滤波用模板中像素值的中位像素值来确定当前像素值, 可以有效去除椒盐噪声。

11 blur = cv.medianBlur(img_org,5)

锐化空间滤波器(高通)

各向梯度之和算子(拉普拉斯算子(二阶微分))

拉普拉斯算子可以突现出图像中小的细节信息。

kernel0 = np.array([[0, -1, 0],
                   [-1, 4, -1],
                   [0, -1, 0]])
kernel1 = np.array([[-1, -1, -1],
                   [-1, 8, -1]
  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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