图像处理-图像滤波

文章目录

• ​​1、图像滤波​​
• ​​2、各滤波特点​​

• ​​2.1 均值滤波​​
• ​​2.2 高斯滤波​​
• ​​2.3中值滤波​​

• ​​3、案例分析​​

• ​​3.1 均值滤波​​

• ​​3.1.1 代码​​
• ​​3.1.2 blur​​

• ​​3.2 高斯滤波​​

• ​​3.2.1 代码​​
• ​​3.2.2 GaussianBlur​​

• ​​3.3 中值滤波​​

• ​​3.3.1 代码​​
• ​​3.3.2 medianBlur​​

• ​​3.4 完整代码​​

• ​​4、效果展示​​

• ​​4.1 均值滤波​​
• ​​4.2 高斯滤波​​
• ​​4.3 中值滤波​​

1、图像滤波

所谓滤波，顾名思义，能够起到图像过滤的作用，本文简单简单介绍，均值滤波，高斯滤波，中值滤波。当然，还有方框滤波，双边滤波器，可分离滤波等，后期遇到了就再补上。本文实现方法均为opencv提供接口。

2、各滤波特点

2.1 均值滤波

原理：均值滤波采用多次测量取平均值的思想，用每一个像素周围的像素的平均值代替自身，具体大小可以指定。
优点：能够将受到噪声影响的像素，使用该噪声周围的像素值进行修复。
缺点：使得像素之间的差距变小，图像变得模糊。

2.2 高斯滤波

原理：高斯滤波主要用来去除高斯噪声，具体原理比较复杂，这里就不介绍了。

2.3中值滤波

原理：中值滤波将待处理来的像素周围像素从小到大排序，取中值代替该像素。
优点：可以有效去除椒盐噪声
缺点：当卷积核较大时，仍然使得图像变得模糊，而且计算量很大。

3、案例分析

3.1 均值滤波

3.1.1 代码

#均值滤波
    MeanBlur3 = cv.blur(image,(3,3))
    MeanBlur7 = cv.blur(image,(7,7))
    Result1 = cv.hconcat((image,MeanBlur3,MeanBlur7))
    cv.imshow("MeanBlurResult",Result1)
    cv.waitKey()

3.1.2 blur

​​blur(src, Size)​​​ **src:**输入图像
**Size:**卷积核尺寸

3.2 高斯滤波

3.2.1 代码

#高斯滤波
    GaussBlur3 = cv.GaussianBlur(image,(3,3),sigmaX=10,sigmaY=20)
    GaussBlur7 = cv.GaussianBlur(image,(3,3),sigmaX=10,sigmaY=20)
    Result3 = cv.hconcat((image,GaussBlur3,GaussBlur7))
    cv.imshow("GaussBlurResult",Result3)
    cv.waitKey()

3.2.2 GaussianBlur

​​GaussianBlur(src, Size, sigmaX,sigmaY)​​src:输入图像
Size：卷积核大小
sigmaX：X轴方向标准差大小
sigmaY：Y轴方向标准差大小

3.3 中值滤波

3.3.1 代码

#中值滤波
    MedianBlur3 = cv.medianBlur(image,3)
    MedianBlur7 = cv.medianBlur(image,3)
    Result2 = cv. hconcat((image,MedianBlur3,MedianBlur7))
    cv.imshow("MedianBlurResult",Result2)
    cv.waitKey()

3.3.2 medianBlur

​​medianBlur(src,size)​​src:输入图像
size:卷积核大小

3.4 完整代码

def MyBlur(image):
    #均值滤波
    MeanBlur3 = cv.blur(image,(3,3))
    MeanBlur7 = cv.blur(image,(7,7))
    Result1 = cv.hconcat((image,MeanBlur3,MeanBlur7))
    cv.imshow("MeanBlurResult",Result1)
    cv.waitKey()
    
    #高斯滤波
    GaussBlur3 = cv.GaussianBlur(image,(3,3),sigmaX=10,sigmaY=20)
    GaussBlur7 = cv.GaussianBlur(image,(3,3),sigmaX=10,sigmaY=20)
    Result3 = cv.hconcat((image,GaussBlur3,GaussBlur7))
    cv.imshow("GaussBlurResult",Result3)
    cv.waitKey()
    
    #中值滤波
    MedianBlur3 = cv.medianBlur(image,3)
    MedianBlur7 = cv.medianBlur(image,3)
    Result2 = cv. hconcat((image,MedianBlur3,MedianBlur7))
    cv.imshow("MedianBlurResult",Result2)
    cv.waitKey()

    

    return;

4、效果展示

4.1 均值滤波

4.2 高斯滤波

4.3 中值滤波