03几种滤波

图像平滑

为图像增加噪声

import cv2
import numpy as np

#读取图片
img = cv2.imread("C:/Users/31035/Desktop/yifei/01.jpg", cv2.IMREAD_UNCHANGED)
rows, cols, chn = img.shape

#加噪声
for i in range(60000):    
    x = np.random.randint(0, rows) 
    y = np.random.randint(0, cols)    
    img[x,y,:] = 0

cv2.imshow("noise", img)
           
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

#图片大小，即多少像素
img.size

均值滤波

# result = cv2.blur(原始图像,核大小)
# 其中，核大小是以（宽度，高度）表示的元祖形式。
# 常见的形式包括：核大小（3，3）和（5，5）
# 和卷积有点类似，卷积后不用除以核大小
import matplotlib.pyplot as plt
img = cv2.imread("C:/Users/31035/Desktop/yifei/01.jpg",cv2.COLOR_BGR2RGB)#转换失败
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#通道转换成功，用以plt显示

#均值滤波
result = cv2.blur(img, (50,50))
#如果设置为（1，1）处理结果就是原图，核中每个权重值相同，称为均值。
 
#显示图形
titles = ['Source Image', 'Blur Image']  
images = [img, result]  
for i in range(2):  
   plt.subplot(1,2,i+1), plt.imshow(images[i])  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])

方框滤波

img = cv2.imread("C:/Users/31035/Desktop/yifei/01.jpg",cv2.COLOR_BGR2RGB)#转换失败
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#通道转换成功

#方框滤波
result = cv2.boxFilter(img, -1, (5,5), normalize=1)
#显示图形
titles = ['Source Image', 'boxFilter Image']  
images = [img, result]  
for i in range(2):  
   plt.subplot(1,2,i+1), plt.imshow(images[i])  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])

#使用5*5的核，normalize=1表示进行归一化处理，此时与均值滤波相同

img = cv2.imread("C:/Users/31035/Desktop/yifei/01.jpg",cv2.COLOR_BGR2RGB)#转换失败
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#通道转换成功

#方框滤波
#省略参数normalize，则默认是进行归一化处理。如果normalize=0则不进行归一化处理，
#像素值为周围像素之和，图像更多为白色。
result = cv2.boxFilter(source, -1, (2,2), normalize=0)
#显示图形
titles = ['Source Image', 'boxFilter Image']  
images = [source, result]  
for i in range(2):  
   plt.subplot(1,2,i+1), plt.imshow(images[i])  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])

高斯滤波

#克服简单局部平均法的弊端(图像模糊)
#高斯滤波让临近的像素具有更高的重要度，
#对周围像素计算加权平均值，较近的像素具有较大的权重值。
# dst = cv2.GaussianBlur(src, ksize, sigmaX)
# 其中，src表示原始图像，ksize表示核大小，sigmaX表示X方向方差。
# 注意，核大小（N, N）必须是奇数，X方向方差主要控制权重
img = cv2.imread("C:/Users/31035/Desktop/yifei/01.jpg",cv2.COLOR_BGR2RGB)#转换失败
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#通道转换成功

#高斯滤波
result = cv2.GaussianBlur(source, (19,19), 0)

#显示图形
titles = ['Source Image', 'GaussianBlur Image']  
images = [source, result]  
for i in range(2):  
   plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show() 

中值滤波

#将临近像素按照大小排列，取排序像素中位于中间位置的值作为中值滤波的像素值。
#dst = cv2.medianBlur(src, ksize)
#其中，src表示源文件，ksize表示核大小。核必须是大于1的奇数，如3、5、7等。
import matplotlib.pyplot as plt

img = cv2.imread("C:/Users/31035/Desktop/yifei/01.jpg",cv2.COLOR_BGR2RGB)#转换失败
source = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#通道转换成功

result = cv2.medianBlur(source, 19)

#显示图形
titles = ['Source Image', 'medianBlur Image']  
images = [source, result]  
for i in range(2):  
   plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

#另存为图片
cv2.imwrite('C:/Users/31035/Desktop/yifei/02.jpg',result)