2019-7-16 opencv图像处理4-图像平滑处理(Smoothing Images)

官网参见https://docs.opencv.org/3.4.1/d4/d13/tutorial_py_filtering.html
有一篇文章也解释的很清楚https://blog.csdn.net/qq_31462127/article/details/81165176

内容概要

• 2D卷积（图像滤波），cv.filter2D()
• 图像模糊
  • 均值模糊（归一化），cv.blur() 和cv.boxFilter()
  • 高斯模糊，cv.GaussianBlur()
  • 中值模糊(Median Blurring)，cv.medianBlur()
  • 白噪声，椒盐噪声与高斯噪声
  • 双边滤波，cv.bilateralFilter()

“平滑”通常又称“模糊”，是一种简单常用的图像处理操作。进行平滑处理的原因有很多，但通常是用来去除噪声和相机失真。在降低图像分辨率时，平滑处理是很重要的。

平滑处理时需要用到一个滤波器 。最常用的滤波器是线性滤波器。本文会介绍opencv中提供的几种线性滤波器。

1.2D卷积（图像滤波）

和一维信号一样，图像也可以用各种低通滤波器（LPF）和高通滤波器（HPF）进行滤波。LPF用于去除噪声，模糊图像。HPF用于发现图像边缘。
opencv的cv.filter2D() 函数对图像进行卷积操作。

dst = cv.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])

• ddepth：目标图像深度，-1 将生成与原图像深度相同的图像
• kernel：卷积核（或更确切地说是相关核），一个单通道浮点矩阵。如果要将不同的核应用于不同的通道，请使用分割将图像分割成单独的颜色平面，然后分别处理它们。
• anchor：内核的基准点(anchor)，指明过滤点在内核中的相对位置。基准点必须位于内核之中。其默认值为(-1,-1)，说明位于kernel的中心位置。
• delta：在储存目标图像之前，可选的添加到像素的值，默认值为0
• borderType：像素向外逼近方法

常用卷积模板

例，对图像使用平均过滤器。
1个5x5平均过滤核（averaging filter kernel）如下所示：

M=$\frac{1}{25}$ [ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1