没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
Eastmount
40150
收藏
261
分类专栏:
Python图像处理及图像识别
文章标签:
Python
图像处理
图像平滑
均值滤波
高斯滤波
2018-09-02 23:27:36
编辑
版权
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像
锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助,如果有不足之处,还
请海涵~
该系列在github所有源代码:
https://github.com/eastmountyxz/ImageProcessing-Python
PS:请求帮忙点个Star,哈哈,第一次使用Github,以后会分享更多代码,一起加油。
同时推荐作者的C++图像系列知识:
[数字图像处理] 一.MFC详解显示BMP格式图片
[数字图像处理] 二.MFC单文档分割窗口显示图片
[数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解
[数字图像处理] 四.MFC对话框绘制灰度直方图
[数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
[数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
[数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解
前文参考:
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
本篇文章主要讲解Python调用OpenCV实现图像平滑,包括四个算法:均值滤波、方框滤波、高斯滤波和中值滤波。全文均是基础知识,
希望对您有所帮助。知识点如下:
1.图像平滑
2.均值滤波
3.方框滤波
4.高斯滤波
5.中值滤波
PS:本文介绍图像平滑,想让大家先看看图像处理的效果,后面还会补充一些基础知识供大家学习。文章参考自己的博客及网易云课堂
李大洋老师的讲解,强烈推荐大家学习。
PSS:2019年1~2月作者参加了CSDN2018年博客评选,希望您能投出宝贵的一票。我是59号,Eastmount,杨秀璋。投票地
址:https://bss.csdn.net/m/topic/blog_star2018/index
Python图像处理及图像识别
本专栏主要结合Python语言讲述图像处理相关的知识,从二值图像、灰度图像到RGB图像基础知识,再
到常见的图像处理算法,包括:灰度算法、图像锐化、图像分割等知识,最后会结合深度学习和机器
习知识讲解图像分类、图像识别等内容。希望该专栏对大家有所帮助,如果有不足之处,还请海涵。
…
Eastmount
¥9.90
第1页 共15页
五年来写了314篇博客,12个专栏,是真的热爱分享,热爱CSDN这个平台,也想帮助更多的人,专栏包括Python、数据挖掘、网络爬
虫、图像处理、C#、Android等。现在也当了两年老师,更是觉得有义务教好每一个学生,让贵州学子好好写点代码,学点技术,"师者,
传到授业解惑也",提前祝大家新年快乐。2019我们携手共进,为爱而生。
一.图像平滑
1.图像增强
图像增强是对图像进行处理,使其比原始图像更适合于特定的应用,它需要与实际应用相结合。对于图像的某些特征如边缘、轮廓、对比
度等,图像增强是进行强调或锐化,以便于显示、观察或进一步分析与处理。图像增强的方法是因应用不同而不同的,研究内容包括:
(参考课件和左飞的《数字图像处理》)
2.图像平滑
第2页 共15页
图像平滑是一种区域增强的算法,平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中,常常会因为
多方面原因而被噪声干扰或出现数据丢失,降低了图像的质量(某一像素,如果它与周围像素点相比有明显的不同,则该点被噪声所感
染)。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。
简单平滑-邻域平均法
3.邻域平均法
图像简单平滑是指通过邻域简单平均对图像进行平滑处理的方法,用这种方法在一定程度上消除原始图像中的噪声、降低原始图像对比度
的作用。它利用卷积运算对图像邻域的像素灰度进行平均,从而达到减小图像中噪声影响、降低图像对比度的目的。
但邻域平均值主要缺点是在降低噪声的同时使图像变得模糊,特别在边缘和细节处,而且邻域越大,在去噪能力增强的同时模糊程度越严
重。
首先给出为图像增加噪声的代码。
# -*- coding:utf-8 -*-
import
cv2
import
numpy
as
np
#
读取图片
img
=
cv2
.
imread
(
"test.jpg"
,
cv2
.
IMREAD_UNCHANGED
)
rows
,
cols
,
chn
=
img
.
shape
#
加噪声
for
i
in
range
(
5000
)
:
x
=
np
.
random
.
randint
(
0
,
rows
)
y
=
np
.
random
.
randint
(
0
,
cols
)
img
[
x
,
y
,
:
]
=
255
cv2
.
imshow
(
"noise"
,
img
)
#
等待显示
cv2
.
waitKey
(
0
)
cv2
.
destroyAllWindows
(
)
第3页 共15页
剩余14页未读,继续阅读
资源评论
正版胡一星
- 粉丝: 16
- 资源: 304
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功