数字图像处理:python线性邻域滤波法,非线性中值滤波法

该博客探讨了数字图像处理中的线性邻域滤波法和非线性中值滤波法,通过Python和OpenCV库对LenaNoise图像进行滤波。实验涉及不同模板,如3x3均值滤波和高斯滤波,并分析了滤波效果,指出中值滤波在消除噪声的同时能保护图像边缘。
摘要由CSDN通过智能技术生成

还是数字图像处理的作业。。。

对包含随机噪声的LenaNoise图像进行以下处理(可使用编程语言自带函数,以实验报告形式提交word文件):

(1)线性邻域滤波法,分别使用以下2种滤波模板进行滤波;

(2)非线性中值滤波法,分别使用以下3种滤波模板进行滤波。

(3)简要分析不同模板对图像滤波的影响。

H1模板是(3,3)均值滤波

cv2.blur(img, (3,3))

H2模板是标准差=1.3 的 3*3 的整数形式的高斯滤波

Lena_GaussianBlur=cv2.GaussianBlur(img,(3,3),1.3)

非线性中值滤波法

方形窗口比较常见,直接用opencv库的cv2.medianBlur(img,3)函数

img表示当前的图片,3表示当前的方框尺寸

十字形窗口有大佬写了

菱形的不会!

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值