OpenCV中高斯噪音的生成和高斯滤波的使用
关键是高斯滤波函数的参数意义。
高斯滤波的数学理论基础是二维正态分布函数(又称高斯函数,所以得名)
代码实现:
import cv2
import numpy as np
#高斯噪音的生成和高斯滤波的使用
img = cv2.imread('cat.jpg')
cv2.imshow('img',img)
h,w,ch = img.shape
def clamp(num): #对随机数进行操作
if num>255:
return 255
elif num<0:
return 0
else:
return num
#生成高斯噪音
for row in range(h):
for col in range(w):
s = np.random.normal(0,20,3) #生成3个随机参数,0为均值,20为标准差
b = img[row,col,0]
g = img[row,col,1]
r = img[row,col,2]
img[row, col, 0] = b + clamp(s[0])
img[row, col, 1] = g + clamp(s[1])
img[row, col, 2] = r + clamp(s[2])
cv2.imshow('GaussianNoise',img)
#高斯滤波
# 参数解释:img为处理对象(5,5)为高斯内核大小,0为高斯核函数(就是二维正态分布函数)x方向的标准差,1为高斯核函数y方向的标准差
img = cv2.GaussianBlur(img,(5,5),0,1)
cv2.imshow('GaussianBlur',img)
cv2.waitKey()
运行结果: