Python版本是Python3.7.3,OpenCV版本OpenCV3.4.1,开发环境为PyCharm
在尽量保留图像原有信息的情况下,过滤掉图像内部的噪声,这一过程称为对图像的平滑处理,所得的图像称为平滑图像。例如,下图是含有噪声的图像,在图像内存在噪声信息,我们通常会通过图像平滑处理等方式去除这些噪声信息。
通过图像平滑处理,可以有效地过滤掉图像内的噪声信息。如下图所示是对上图进行图像平滑处理的结果,可以看到原有图像内含有的噪声信息被有效地过滤掉了。
图像平滑处理会对图像中与周围像素点的像素值差异较大的像素点进行处理,将其值调整为周围像素点像素值的近似值。例如,假设下图是一幅图像的像素点值。在图中,大部分像素点值在[145,150]区间内,只有位于第3行第3列的像素点的值“29”不在这个范围内。
位于第3行第3列的像素点,与周围像素点值的大小存在明显差异。反映在图像上,该点周围的像素点都是灰度点,而该点的颜色较深,是一个黑色点,如图所示。
从图中可以看出,位于第3行第3列的颜色较深的点可能是噪声,需要将该点的值调整为周围像素值的近似值。如下图所示,是针对第3行第3列的像素点进行平滑处理的结果,平滑处理后,该点的像素值由29变为148。
这些像素点对应的图像如下图所示,可以看到,在对第3行第3列的像素点进行平滑处理后,图像内所有像素的颜色趋于一致。
如果针对图像内的每一个像素点都进行上述平滑处理,就能够对整幅图像完成平滑处理,有效地去除图像内的噪声信息。
图像平滑处理的基本原理是,将噪声所在像素点的像素值处理为其周围临近像素点的值的近似值。取近似值的方式很多,本章主要介绍:
● 均值滤波
● 方框滤波
● 高斯滤波
● 中值滤波
● 双边滤波
● 2D卷积(自定义滤波)
图像平滑处理对应的是英文Smoothing Images。图像平滑处理通常伴随图像模糊操作,因此图像平滑处理有时也被称为图像模糊处理,图像模糊处理对应的英文是Blurring Images。
图像滤波是图像处理和计算机视觉中最常用、最基本的操作。图像滤波允许在图像上进行各种各样的操作,因此有时我们也会把图像平滑处理称为图像滤波,图像滤波对应的英文是Images Filtering。