基于基于python的的OpenCV快速入门快速入门——图像平滑处理图像平滑处理
基于基于python的的OpenCV快速入门快速入门——图像平滑处理图像平滑处理
在尽量保留图像原有信息的情况下，过滤掉图像内部的噪声，这一过程称为对图像的平滑处理，所得的图像称为平滑图像
图像平滑处理会对图像中与周围像素点的像素值差异较大的像素点进行处理，将其调整为周围像素点像素值的近似值
1、均值滤波、均值滤波
均值滤波是指用当前像素点周围N·N个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每一个像素点，即可完成整幅图像的均
值滤波。
在OpenCV中，实现均值滤波的函数是cv2.blur()
其语法格式为
dst = cv2.blur( src, ksize, anchor, bordertype)
dst是返回值，表示进行均值滤波后得到的处理结果。
src是需要处理的图像，即原始图像。它可以有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、
CV_32F或者CV_64F中的一种。
ksize是滤波核的大小。滤波核大小是指在均值处理过程中，其邻域图像的高度和宽度。例如，其值可以为(5, 5)，表示以5×5大小的邻域均值
作为图像均值滤波处理的结果，如下式所示。
● anchor是锚点，其默认值是(-1, -1)，表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作
为锚点。
● borderType是边界样式，该值决定了以何种方式处理边界，其值如表所示。一般情况下不需要考虑该值的取值，直接采用默认值即可。
通常情况下，使用均值滤波函数时，对于锚点anchor和边界样式borderType，直接采用其默认值即可。
因此，函数cv2.blur()的一般形式为：
dst = cv2.blur(src ,ksize ,)
示例程序示例程序
import cv2
img = cv2.imread("adc.jpg") #读取待处理图像
r = cv2.blur(img,(5,5)) #均值滤波
cv2.imshow("original",img)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destoryAllWindows()
2、方框滤波、方框滤波
OpenCV还提供了方框滤波方式，与均值滤波的不同在于，方框滤波不会计算像素均值。在均值滤波中，滤波结果的像素值是任意一个点的邻域平均值，等于各邻域像素值之
和除以邻域面积。而在方框滤波中，可以自由选择是否对均值滤波的结果进行归一化，即可以自由选择滤波结果是邻域像素值之和的平均值，还是邻域像素值之和。
语法格式如下
- 1
- 2
前往页