一、方框滤波
方框滤波是均值滤波的一般形式,在均值滤波中,将滤波器中所有的像素值求和后的平均值作为滤波后结果,方框滤波也是求滤波器内所有像素值的之和,但是方框滤波可以选择不进行归一化,就是将所有像素值的和作为滤波结果,而不是所有像素值的平均值。
用公式表达为:
K = 1 α [ 1 ⋯ 1 ⋮ ⋱ ⋮ 1 ⋯ 1 ] K=\frac{1}{\alpha}\left[\begin{array}{ccc}1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1\end{array}\right] K=α1⎣⎢⎡1⋮1⋯⋱⋯1⋮1⎦⎥⎤ α = { 1 width × height normalize = true 1 normalize = false \alpha=\left\{\begin{array}{cc}\frac{1}{\text { width } \times \text { height }} & \text { normalize }=\text { true } \\ 1 & \text { normalize }=\text { false }\end{array}\right. α={ width × height 11 normalize = true normalize = false
二、boxFilter()函数实现方框滤波
2.1、函数形式
dst = cv2.boxFilter(src,ddepth,ksize,normalize)
src:需要处理的图像
ddepth:目标图像深度;若为 -1 ,则深度与原始图像保持一致
ksize:核大小
normalize:是否进行归一化处理;默认进行归一化处理,省略该参数或者值为 1,则此时与均值滤波效果一致;若为 0,有很大可能溢出(即值超过255)
2.2、案例实现
#Author:MuMengSunny
#Filename:方框滤波
import cv2
img = cv2.imread(r'F:\image\lenacolor.png',cv2.IMREAD_UNCHANGED)
dst = cv2.boxFilter(img,-1,(3,3),0) # 不进行归一化处理
cv2.imshow('original',img)
cv2.imshow('filter_img',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
2.3、效果对比
三、总结
对于方框滤波,若选择归一化处理,则其效果与均值滤波一样;若不选择归一化处理且核选择的较大,则可能会导致像素点溢出,造成图片偏白。