平均化:
blur = cv.blur(img,(9,9))
直接采用9×9的核进行卷积,得到平均值作为当前点的值。
import cv2.cv2
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
img = cv2.imread(r'XXXX.jpg')
img = cv2.resize(img, (0, 0), fx=0.1, fy=0.1, interpolation=cv2.INTER_NEAREST)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
rows = img.shape[0]
cols = img.shape[1]
dst = cv2.blur(img,(9,9))
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(dst),plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()
高斯模糊:
blur = cv.GaussianBlur(img,(9,9),0)
最后一个参数为制定的X,Y方向的标准偏差,若只要一个参数则认定两者相同。
import cv2.cv2
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
img = cv2.imread(r'XXXX')
img = cv2.resize(img, (0, 0), fx=0.1, fy=0.1, interpolation=cv2.INTER_NEAREST)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
rows = img.shape[0]
cols = img.shape[1]
dst = cv.GaussianBlur(img,(9,9),0)
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(dst),plt.title('GaussianBlur')
plt.xticks([]), plt.yticks([])
plt.show()
中位数滤波:
median = cv.medianBlur(img,5)
具体实现方法:
双边滤波:
在滤波的同时能保持边缘的清晰度:
blur = cv.bilateralFilter(img,9,75,75)
第二个参数为(过滤期间使用的各像素邻域的直径)
第三个参数为sigmaColor,(色彩空间的sigma参数,该参数较大时,各像素邻域内相距较远的颜色会被混合到一起,从而造成更大范围的半相等颜色)
第四个参数为sigmaSpace,(坐标空间的sigma参数,该参数较大时,只要颜色相近,越远的像素会相互影响)