四种常见的去噪操作

四种常见的去噪操作

均值滤波

当对一个值进行滤波时，使用当前值与周围8个值之和，取平均做为当前值

    cv2.blur(img, (3, 3))
    # 第二个参数代表进行均值滤波的方框大小

方框滤波

    cv2.boxfilter(img, -1, (3, 3), normalize=True)
    # 当normalize=True时，与均值滤波结果相同， normalize=False，表示对加和后的九个点不进行平均操作，大于255的使用255表示

高斯滤波

$$G(x)=\{\begin{array}{l}\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{x^2}{2{\sigma }^2}}\end{array}$$
根据高斯的距离对周围的点进行加权,求平均值1，0.8， 0.6， 0.8

    cv2.Guassianblur(img, (3, 3), 1)
    # 1表示σ， x表示与当前值得距离，计算出的G(x)表示权重值

中值滤波

相当于将9个值进行排序，取中值作为当前值

    cv2.medianBlur(img, 3)
    # 3表示当前的方框尺寸

合并

    img = np.vstack(要合并的几个图像名，用逗号分隔)