CV_3 图像平滑处理

图像阈值化处理

cv2.threshold(src,thresh,maxval,type)

thresh：人为指定的阈值；
maxval：像素超过阈值，赋值，否则取0；
type：
1. cv2.THRESH_BINARY 超过阈值取255，低于阈值取0
2. cv2.THRESH_BINARY_INV 二值取反
3. cv2.THRESH_TRUNC 超过阈值取阈值，低于阈值取本身
4. cv2.THRESH_TOZERO 小于阈值取0，超过阈值取本身
5. cv2.THRESH_TOZERO_INV 超过阈值取0，低于阈值取本身

返回ret，dst；
ret为阈值返回值，为thresh；
dst为输出图像；

当阈值处理彩色图像时，出现黑白之外的颜色是因为BGR三通道的叠加。

均值滤波/填充

存在缺失值（噪声）；

没有办法真正空白，白色也存在值；

均值滤波是针对每一个像素点，噪声得到较好的隐藏；

过程类似于滑动窗口法，暂时无法解决边界。

计算kxk个数，取平均，填充中间位置。

随着核越大，图像越模糊，噪声越少，无法处理的边界也越多；

cv2.blur(src,(kernel，kernel))

方框滤波

两种选择：

1. 均值填充；
2. 和填充。像素点溢出就直接取255。

cv.boxFilter(src,depth,(kernel,kernel),normalize)
depth:通常取-1，表示与源图像深度相同；
kernel：3x3，5x5
normalize：是否进行归一化；0不进行（像素点溢出，超过255取255），1进行（均值滤波）

高斯滤波

均值滤波的缺点：实际上是周围像素点的共同权重填充；

因此引入高斯滤波，离得越近，考虑更大的权重；因为就近的颜色应该应该一致。

cv2.GaussianBlur(src,(kernel,kernel),sigmaX,sigmaY)
sigmaX：X方向上的标准偏差
sigmaY：Y方向上的标准偏差
两个Sigma都是用来控制权重的。

Sigma = 0 时，系统会计算为
$$sigmaX=0.3\ast ((ksize-1)\ast 0.5-1)+0.8$$
对矩阵中，x方向中的数据的方差和均值进行控制；

cv2.GaussianBlur(img,(5,5),0) 
sigmaX = 0 ,默认 sigmaY = 0

kernelsize必须为奇数。

中值滤波

最好的形式，效果好得不行。

滤波都是为了降噪；

平均看不出来真实水准，因此采用中位数。

将kxk的矩阵中的元素，从大到小排序，取中间值。

cv2.medianBlur(src,kernel)
kernel:不用再传递元组