基于opencv-四种图像滤波技术

图像预处理的一些基本操作：均值滤波、方框滤波、高斯滤波、中值滤波

1.导入模块

import cv2
import numpy as np
img=cv2.imread('E:\\girl2.jpg')
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.实现均值滤波

#均值滤波（简单的平均卷积操作）
#平均卷积就是假定给一个3*3的矩阵，让一个3*3的单位阵与他求内积
#其结果就是3*3=9 9个数据相加求平均
tu1=cv2.blue(img,(3,3))
cv2.imshow('j_z',tu1)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.实现方框滤波

#方框滤波(和均值滤波相似，可以选择归一化)
#normalize如果为True,原理与均值滤波相同，即所有的像素点求和求差
#normalize如果为False,像素点只求和，此时像素点的总和会大于255，
#只要像素总和大于255的方框，都设为255
tu2=cv2.boxFilter(img,-1,(3,3),normalize=False)
cv2.imshow('box',tu2)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.实现高斯滤波

#高斯滤波
#图像像素内选定一个矩阵,矩阵内设定一个中心点，周围的像素点到中心像素点的距离不一
#高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的，即距离中心最近的点
tu3=cv2.GaussianBlur(img,(5,5),1)
cv2.imshow('g_s',tu3)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.实现中值滤波

#中值滤波
#图像像素内的一个矩阵，例如3*3像素矩阵，把9个像素数值按序排列，选择中间的像素值
#拿中间值作为平滑处理的结果
tu4=cv2.medianBlur(img,5) #5代表5*5矩阵，选择中间值
cv2.imshow('z_z',tu4)
cv2.waitKey(0)
cv2.destroyAllWindows()

6.显示所有预处理的图像

#显示所有的处理图像
#hstack:平行显示所有图像
#vstack:垂直显示所有图像
tu5=np.hstack((tu1,tu3,tu4))
cv2.imshow('处理后所有图像',tu5)
cv2.waitKey(0)
cv2.destroyAllWindows()

这是我实验程序中的具有噪声的图像，可以自己截图上手实验。

这就是简单的图像处理的程序，学了python的小伙伴可以试着上手练一练opencv的一些小程序，对图像处理的能力还是很有用的。
(继续加油吖！)