# 卷积函数 cv.filter2D(图像,-1,kernel) -1是数据类型,不必在意
img1 = np.ones((5,5))
kernel = np.ones((3,3))
img2 = cv.filter2D(img1,-1,kernel)
# 均值滤波 两个函数cv.blur/cv.boxFilter
img3 = cv.blur(image,(5,5))
# 中值滤波 cv.medianBlur(image,3/5/7/9...)
img4 = cv.medianBlur(image,3)
# 高斯滤波 cv.GaussianBlur(image,卷积核,方差)
img5 = cv.GaussianBlur(image,(3,3),1)
show(np.hstack([image,img5]))
# 双边滤波 用的不多,保留边缘等高频信息
img6 = cv.bilateralFilter(image,-1,sigmaColor=50,sigmaSpace=3)
Python OpenCV 图像滤波
最新推荐文章于 2024-02-20 23:35:33 发布
本文介绍了几种常见的图像滤波技术,包括卷积、均值滤波、中值滤波、高斯滤波以及双边滤波。通过实例展示了它们在图像平滑和噪声去除上的应用,同时强调了双边滤波在保留边缘细节上的优势。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
Stable-Diffusion-3.5
图片生成
Stable-Diffusion
Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率
1363

被折叠的 条评论
为什么被折叠?



