win10+Python3.7.3+OpenCV3.4.1入门学习（七）————7.1均值滤波（下）

Python版本是Python3.7.3，OpenCV版本OpenCV.3.4.1，开发环境为PyCharm

7.1.2 函数语法
在OpenCV中，实现均值滤波的函数是cv2.blur()，其语法格式为：

dst = cv2.blur( src, ksize, anchor, borderType )

式中：
● dst是返回值，表示进行均值滤波后得到的处理结果。
● src是需要处理的图像，即原始图像。它可以有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F或者CV_64F中的一种。
● ksize是滤波核的大小。滤波核大小是指在均值处理过程中，其邻域图像的高度和宽度。例如，其值可以为(5, 5)，表示以5×5大小的邻域均值作为图像均值滤波处理的结果，如下式所示。

● anchor是锚点，其默认值是(-1,-1)，表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。
● borderType是边界样式，该值决定了以何种方式处理边界，其值如下表所示。一般情况下不需要考虑该值的取值，直接采用默认值即可。

通常情况下，使用均值滤波函数时，对于锚点anchor和边界样式borderType，直接采用其默认值即可。因此，函数cv2.blur()的一般形式为：

dst = cv2.blur( src, ksize, )

7.1.3 程序示例
eg1：读取一幅噪声图像，使用函数cv2.blur()对图像进行均值滤波处理，得到去噪图像，并显示原始图像和去噪图像。
代码如下：

import cv2
o=cv2.imread("image\\lenaNoise.png")
r=cv2.blur(o,(5,5))
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

运行上述程序后，会分别显示噪声图像（左图）和去噪图像（右图），如下图所示。

eg2：针对噪声图像，使用不同大小的卷积核对其进行均值滤波，并显示均值滤波的情况。
分析：根据题目要求，调整设置函数cv2.blur()中的ksize参数，分别将卷积核设置为5×5大小和30×30大小，对比均值滤波的结果。
代码如下：

import cv2
o=cv2.imread("image\\lenaNoise.png")
r5=cv2.blur(o,(5,5))      
r30=cv2.blur(o,(30,30))      
cv2.imshow("original",o)
cv2.imshow("result5",r5)
cv2.imshow("result30",r30)
cv2.waitKey()
cv2.destroyAllWindows()

运行上述程序，分别显示原始图像（图(a)）、使用5×5卷积核进行均值滤波处理结果图像（图(b)）、使用30×30卷积核进行均值滤波处理结果图像（图©），如下图所示。

从图中可以看出，使用5×5的卷积核进行滤波处理时，图像的失真不明显；而使用30×30的卷积核进行滤波处理时，图像的失真情况较明显。
卷积核越大，参与到均值运算中的像素就会越多，即当前点计算的是更多点的像素值的平均值。因此，卷积核越大，去噪效果越好，当然花费的计算时间也会越长，同时让图像失真越严重。在实际处理中，要在失真和去噪效果之间取得平衡，选取合适大小的卷积核。