python图像领域平均_【图像处理】——图像滤波（Python+opencv实现三种方法：均值滤波、中值滤波、高斯滤波等）...

目录

一、什么是滤波以及滤波的目的？

二、均值滤波(cv2.blur())

1、原理

2、关键代码

3、封装代码

二、中值滤波(cv2.medianBlur())

1、原理

2、关键代码

3、封装代码

三、高斯滤波(cv2.GasussBlur())

1、原理

2、核模板(权值)

核大小3x3

核大小5x5

3、关键代码

4、封装代码

四、核相同的情况下三种滤波方法对椒盐噪声和高斯噪声的滤波效果比较

1、对椒盐噪声的滤波效果

2、对高斯噪声的滤波效果

五、其他滤波方法

一、什么是滤波以及滤波的目的？

图像滤波也就是图像平滑化， 图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量(某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染)。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。图像平滑 有均值滤波、方框滤波、中值滤波和高斯滤波等.

在opencv中都是通过一个搜索窗口即核来对图像进行扫描，将扫描后的结果经过处理作为新的像素值，最终实现滤波

二、均值滤波(cv2.blur())

1、原理

将单个像素及其指定邻域内的所有像素按某种规则计算平均灰度值，再作为新图像中的对应像素值，可以达到滤波去噪的目的。图像边缘一般集中了图像的细节和高频信息，如果通过邻域平均法去噪，往往会引起图像边缘模糊