20210829opencv基本操作之平滑、滤波处理

平滑处理

所谓平滑处理，就是利用一系列滤波操作对二值图像进行滤波处理，得到不同结果的图像
首先要导入的包

import cv2
import matplotlib.pyplot as plt
import numpy as np

（个人理解：滤波操作和深度学习卷积差不多，都是对应点相乘再相加)

1. 均值滤波：cv2.blur，去掉噪音点
2. 方框滤波：cv2.boxFilter，和均值滤波一样，要选择归一化，否则容易越界
3. 高斯滤波：cv2.GaussianBlur，比较常见，对中心值比较敏感
4. 中值滤波：cv2.medianBlur
   上代码：

    img=cv2.imread('p1.jpg')#.jpg表示图片格式，其他有些格式也可以这里放入图片的绝对路径
    cv2.imshow('im2', img)
    #均值滤波.去掉噪音点，简单平均卷积操作
    blur=cv2.blur(img,(3,3))
    cv2.imshow('blur',blur)
    #方框滤波,和均值滤波一样，可以选择归一化
    box=cv2.boxFilter(img,-1,(3,3), normalize=True)
    box2=cv2.boxFilter(img,-1,(3,3), normalize=False)#不归一化，容易越界
    cv2.imshow('box',box)
    cv2.imshow('box2',box2)
    #高斯滤波,模糊的卷积核数值是否满足高斯分布，相当于更重视中间的
    gaussian=cv2.GaussianBlur(img,(5,5),1)
    cv2.imshow('gaussian',gaussian)
    #中值滤波，用中值代替
    median=cv2.medianBlur(img,5)
    cv2.imshow('median',median)
    #展示所有的
    res=np.hstack((blur,gaussian,median))
    print(res)
    cv2.imshow("median vs average",res)
    cv2.waitKey(0)  # 等待时间，毫秒版。0表示任意键终止
    cv2.destroyWindow()

上原图

关于读取的原图片，本人是直接放到和.py文件同一个路径的，也可以直接复制绝对路径，到图片–>>右击–>>属性找到得到最后结果，像这样，原图的绝对路径就是’E:\open‘

那么读取代码就是

img=cv2.imread('E:\open\p1.jpg')