OpenCV图像滤波算法总结（Python）

参考博客：https://www.cnblogs.com/FHC1994/p/9097231.html
https://blog.youkuaiyun.com/wsp_1138886114/article/details/82872838#11__7
https://blog.youkuaiyun.com/wangleixian/article/details/78237597
https://www.zhihu.com/question/54918332/answer/142137732

一.图像的滤波处理

**过滤 ：**是信号和图像处理中基本的任务。其目的是根据应用环境的不同，选择性的提取图像中某些认为是重要的信息。过滤可以移除图像中的噪音、提取感兴趣的可视特征、允许图像重采样等等。
**频域分析 ：**将图像分成从低频到高频的不同部分。低频对应图像强度变化小的区域，而高频是图像强度变化非常大的区域。在频率分析领域的框架中，滤波器是一个用来增强图像中某个波段或频率并阻塞（或降低）其他频率波段的操作。低通滤波器是消除图像中高频部分，但保留低频部分。高通滤波器消除低频部分。

• 滤波(高通、低通、带通、带阻) 、模糊、去噪、平滑等。

1、均值模糊（低通滤波）、中值模糊（中值滤波）、用户自定义模糊

import cv2
import numpy as np


def blur_demo(image):
    """
    均值模糊 : 去随机噪声有很好的去噪效果
    (1, 15）是垂直方向模糊，（15， 1）是水平方向模糊
    """
    dst = cv2.blur(image, (1, 15))
    cv2.imshow("avg_blur_demo", dst)


def median_blur_demo(image):    # 中值模糊  对椒盐噪声有很好的去燥效果
    dst = cv2.medianBlur(image, 5)
    cv2.imshow("median_blur_demo", dst)


def custom_blur_demo(image):
    """
    用户自定义模糊
    下面除以25是防止数值溢出
    """
    kernel = np.ones([5, 5], np.float32)/25
    dst = cv2.filter2D(image, -1, kernel)
    cv2.imshow("custom_blur_demo", dst)


src = cv2.imread("C:\\Users\\Tony.Hsu\\Desktop\\cat.jpg")
img = cv2.resize(src, None, fx=0.8, fy=0.8, interpolation=cv2.INTER_CUBIC)
cv2.imshow('input_image', img)

blur_demo(img)
median_blur_demo(img)
custom_blur_demo(img)

cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

注意：

1. 均值滤波是典型的线性