openCV+Python 数字图像处理（4）——模糊操作

1.基本概念及API简介

模糊操作是图像处理中最简单和常用的操作之一，该使用的操作之一原因就为了给图像预处理时减低噪声，基于数学的卷积操作

均值模糊：
将一个区域内所有点的灰度值的平均值作为这个点的灰度值，是线性滤波器。

cv2.blur(src: Any,  ksize: Any, dst: Any = None, anchor: Any = None, borderType: Any = None)

中值模糊：
取领域的中值作为当前点的灰度值，是非线性滤波器。对去除椒盐噪声有很好的效果。

cv2.medianBlur(src: Any,  ksize: Any, dst: Any = None)

ksize: 一个大于１的奇数

自定义模糊：
自定义卷积核对图像进行锐化之类的操作。

cv2.filter2D(src: Any, ddepth: Any, kernel: Any, dst: Any = None, anchor: Any = None, delta: Any = None, borderType: Any = None)

kernel: 当kernel总和为1时：增强锐化。kernel总和为0时：边缘梯度。
ddepth: -1表示和原图像位深一致

高斯模糊：
高斯模糊本质上是低通滤波器，输出图像的每个像素点是原图像上对应像素点与周围像素点的加权和，就是用高斯分布权值矩阵与原始图像矩阵做卷积运算。保留轮廓，保留图像的主要特征，比均值模糊去噪效果好。

GaussianBlur(src: Any, ksize: Any, sigmaX: Any, dst: Any = None, sigmaY: Any = None, borderType: Any = None)

2.代码示例

import cv2
import numpy as np

img1 = cv2.imread('E:/PycharmProjects/one.jpg')

def show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
show('img1', img1)

# 1.均值模糊和中值模糊
def blur_img(img):
    mean_blur = cv2.blur(img, (10, 10))
    show('mean_blur', mean_blur)
    median_blur = cv2.medianBlur(img, 15)
    show('median_blur', median_blur)

blur_img(img1)

# 2.自定义模糊
def custom_blur_img(img):
    kernel = np.ones([10, 10], np.float)/100
    custom_blur = cv2.filter2D(img, -1, kernel=kernel)
    show('custom_blur', custom_blur)

custom_blur_img(img1)

# 3.高斯模糊
def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv

def gaussian_noise(image):
    h, w, c = image.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])
            image[row, col, 1] = clamp(g + s[1])
            image[row, col, 2] = clamp(r + s[2])
    show("noise image",   image)
    dst = cv2.GaussianBlur(image, (3, 3), 0)  
    show("Gaussian Blur", dst)

gaussian_noise(img1)

3.结果展示