python识别图片中方框_opencv 图像滤波(均值,方框,高斯,中值)

为什么要使用滤波

消除图像中的噪声成分叫作图像的平滑化或滤波操作。信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的，而在较高频段，感兴趣的信息经常被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。

如下图，左图带有椒盐噪声，右图为使用中值滤波处理后的图片。

图像滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一个是为适应图像处理的要求，消除图像数字化时所混入的噪声。

python +opencv讲解

均值滤波

含义

如图：如果我们想对红色点进行处理，则它新值等于周围N乘N个像素点的平均(包括自身)

用表达式表达：

扩展到对整个图像进行均值滤波

实现方法：

处理结果=cv2.blur(原始图像,核大小)

核大小：以(宽度，高度)的元祖

效果：使图像变模糊啦。能处理被椒盐攻击过的照片。

方框滤波

实现方法：函数boxFilter

处理结果=cv2.boxFilter(原始图像,目标图像深度,核大小,normalize属性)

目标图像深度: int类型的目标图像深度，-1表示与原始图像一致