python图像处理二——图像滤波

最新推荐文章于 2025-11-03 09:26:25 发布

原创最新推荐文章于 2025-11-03 09:26:25 发布 · 7.4k 阅读

40 ·

CC 4.0 BY-SA版权

文章标签：

#滤波

python 专栏收录该内容

8 篇文章

订阅专栏

本文深入探讨了图像处理中的多种滤波技术，包括均值、高斯、中值及双边滤波，并展示了如何通过Python的OpenCV库实现这些滤波效果。此外，还介绍了图像锐化滤波器的原理及其在实际应用中的表现。

部署运行你感兴趣的模型镜像

导入库函数：

	import chardet
	import numpy as np
	import cv2 as cv
	import cv2
	from PIL import Image
	import sys
	from matplotlib import pyplot as plt

平滑模糊滤波：

均值滤波blur()、
高斯滤波GaussianBlur()、
中值滤波medianBlur()、
双边滤波bilateralFilter()

	def add_salt_noise(img, snr=0.5):
    # 指定信噪比
    SNR = snr
    # 获取总共像素个数
    size = img.size
    # 因为信噪比是 SNR ，所以噪声占据百分之10，所以需要对这百分之10加噪声
    noiseSize = int(size * (1 - SNR))
    # 对这些点加噪声
    for k in range(0, noiseSize):
        # 随机获取 某个点
        xi = int(np.random.uniform(0, img.shape[1]))
        xj = int(np.random.uniform(0, img.shape[0]))
        # 增加噪声
        if img.ndim == 2:
            img[xj, xi] = 255
        elif img.ndim == 3:
            img[xj, xi] = 0
    return img

img=cv.imread("D:/1/5.jpg",1)
img_salt = add_salt_noise(img, snr=0.99)

blured = cv.blur(img, (3, 3))
blured1 =  cv.blur(img, (7,7))
blured2= cv.GaussianBlur(img, (3,3), 0)
blured3=cv.GaussianBlur(img, (7,7), 0)

plt.figure(figsize=(10, 8))
plt.subplot(221)
plt.title("blur")
plt.imshow(blured[:,:,::-1])
plt.subplot(222)
plt.imshow(blured1[:,:,::-1])
plt.subplot(223)
plt.title("GaussianBlur")
plt.imshow(blured2[:,:,::-1])
plt.subplot(224)
plt.imshow(blured3[:,:,::-1])

b1 = cv.medianBlur(img, 1)
b2 = cv.medianBlur(img, 9)
b3 = cv.bilateralFilter(img, 9, 5, 5)
b4 = cv.bilateralFilter(img, 9, 50, 50)

plt.figure(figsize=(10, 8))
plt.subplot(221)
plt.title("medianBlur")
plt.imshow(b1[:,:,::-1])
plt.subplot(222)
plt.imshow(b2[:,:,::-1])
plt.subplot(223)
plt.title("bilateralFilter")
plt.imshow(b3[:,:,::-1])
plt.subplot(224)
plt.imshow(b4[:,:,::-1])
plt.show()

在这里插入图片描述

图像锐化滤波器：

	image = cv2.imread('D:/1/5.jpg',1)
	kernel_sharpen_1 = np.array([
	        [-1,-1,-1],
	        [-1,9,-1],
	        [-1,-1,-1]])
	kernel_sharpen_2 = np.array([
	        [1,1,1],
	        [1,-7,1],
	        [1,1,1]])
	
	# #卷积
	output_1 = cv2.filter2D(image,-1,kernel_sharpen_1)
	output_2 = cv2.filter2D(image,-1,kernel_sharpen_2)
	
	plt.figure()
	plt.subplot(221)
	plt.title('Original Image')
	plt.imshow(image[:,:,::-1])
	plt.subplot(222)
	plt.title('sharpen_1 Image')
	plt.imshow(output_1[:,:,::-1])
	plt.subplot(223)
	plt.title('sharpen_2 Image')
	plt.imshow(output_2[:,:,::-1])
	plt.show()

在这里插入图片描述