学习-task04

• 思而不学 犹豫不决 浪费时间
• 学而不思 三心二意 效率低下

8 图像滤波

图像滤波，是指保留图像细节特征的条件下对目标图像的噪声进行抑制，称之为图像平滑化或者滤波

滤波分为线性滤波和非线性滤波：

• 线性滤波：方框滤波，均值滤波，高斯滤波
• 非线性滤波：中值滤波（能够去除脉冲噪声，椒盐噪声同时又能够保留图像的边缘细节），双边滤波（可以做边缘保存）

其中高斯低通就是模糊，高通就是锐化
正态分布就是高斯分布。
通常在滤波的过程中，很重要的概念是“核” 。 ksize也就是内核的大小

• 均值滤波：

  • 使用函数：cv2.blur()

• 方框滤波：

  • 使用函数：cv.boxFilter()

• 高斯滤波：

  高斯滤波器是求中心点邻近区域像素的高斯加权平均值。高斯滤波器只考虑像素之间的 间关系，而不会考虑像素值之间的关系（像素的相似度）。所以这种方法不会考虑一个像素是否位于边界。因此边界也会别模糊掉。

  • 使用函数：cv2.GaussianBlur()
  • 需要指定高斯核的宽和高（必须是奇数）。以及高斯函数沿 X，Y 方向的标准 差。如果我们只指定了 X 方向的的标准差，Y 方向也会取相同值。如果两个标准差都是 0，那么函数会根据核函数的大小自己计算。高斯滤波可以有效的 图像中去除高斯噪音。

• 中值滤波：

  • 使用函数：cv2.medianBlur()

• 双边滤波:

  • 使用函数：cv2.bilateralFilter()

import cv2 as cv
import numpy as np

img = cv.imread('test.jpg')
cv.imshow('input image', img)

# 均值滤波
dst = cv.blur(img, (5, 5))
cv.imshow('blur', dst)

# 方框滤波
dst = cv.boxFilter(img, -1, (5, 5), normalize=True) # 进行均值化处理
cv.imshow('boxFilter', dst)

# 高斯滤波
dst = cv.GaussianBlur(img, (5, 5), 0)
cv.imshow('Gaussian', dst)

# 中值滤波
dst = cv.medianBlur(img, 5)
cv.imshow('medianBlur', dst)

# 双边滤波
dst = cv.bilateralFilter(img, 9, 75, 75)
cv.imshow('bilateralFilter', dst)

cv.waitKey(0)
cv.destroyAllWindows()