Python百日百行代码挑战-day14，opencv笔记（三）

均值滤波

原理：将待处理像素周围x个元素相加再除以x

中间那个值的计算过程就是右边的式子
$$result=\frac{\begin{array}{r}\sum _{i,j=1}^{n,n}{a}_{ij}\end{array}}{n\cdot n}$$

函数：

cv2.blur(img,(kernel))

代码：

img51 = cv2.blur(img5,(5,5))
cv2.imshow("img51",img51)
cv2.waitKey(0)
cv2.destroyAllWindows()

方框滤波

原理和上面那个差不多，后面可以选一个归一化参数，如果是true就除一下所有参与运算的像素，是false的话就不除（以上面那个举例子就是不用除以25了）

函数：

cv2.boxFilter(img,图像深度,(kernel),normalization)

其中img是图像
图像深度通常选择-1，和原图像尺寸一致
kernel就是参与运算的核大小
normalization为True则需要除以宽*高的结果，为False则不需要除

代码：

img51 = cv2.boxFilter(img5,-1,(5,5),0)
cv2.imshow("img51",img51)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯滤波

原理和第一个差不多，差别在于像素相乘的时候权重的不同，离中心点越近的部分权重较高，远一点的部分权重较低，均值滤波中相当于都乘了1

函数：

cv2.GaussianBlur(img,kernel,sigmaX)

img：图像
kernel：核大小（必须是奇数，要是（2,2）这种就会报错）
sigmaX：控制权重分散的值，通常取0让cv2自己计算，毕竟它是一个成熟的库了
sigmaX为0时，sigma = 0.3*((kernel-1)*0.5-1)+0.8

代码：

img51 = cv2.GaussianBlur(img5,(15,15),0)
cv2.imshow("img51",img51)
cv2.waitKey(0)
cv2.destroyAllWindows()

中值滤波

把周围若干点的像素按大小顺序排列，选择中间那个中位数

函数：

cv2.medianBlur(img,core)

img：待处理图像
core：核的大小，这里只是一个值，不是一个矩阵那样的，注意这里的值必须为奇数

代码：

img51 = cv2.medianBlur(img5,3)
cv2.imshow("img51",img51)
cv2.waitKey(0)
cv2.destroyAllWindows()

防火防盗防诈骗