15、方框滤波

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：

$K=\frac{1}{\alpha }\left[\begin{array}{ccc}1& \cdots & 1\\ ⋮& \ddots & ⋮\\ 1& \cdots & 1\end{array}\right]$ $\alpha =\{\begin{array}{cc}\frac{1}{\text{ width }\times \text{ height }}& \text{ normalize }=\text{ true }\\ 1& \text{ normalize }=\text{ false }\end{array}$

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。