47、图像滤波、边缘与特征检测及修复技术详解

图像滤波、边缘与特征检测及修复技术详解

1. 低通滤波

低通滤波旨在去除图像中的尖锐成分（高频信息），如边缘和噪声，同时保留低频信息，从而实现图像的模糊或平滑。OpenCV提供了多种低通滤波函数，以下为你详细介绍：
- cv2.boxFilter() ：该函数以图像、深度（ddepth）和核大小作为输入对图像进行模糊处理。可将 normalize 参数设为 True 或 False 。若为 True ，核矩阵的系数为 1/(rows * cols) ，此为归一化盒式滤波器；若为 False ，系数为1，即非归一化盒式滤波器。非归一化盒式滤波器在计算每个像素邻域的各种积分特征时非常有用。示例代码如下：

output=cv2.boxFilter(input,-1,(3,3),normalize=True)

• cv2.blur() ：该函数直接提供归一化盒式滤波器，只需传入输入图像和核大小，无需指定 normalize 参数。示例代码如下：

output = cv2.blur(input,(3,3))

• cv2.GaussianBlur()