【OpenCV_python】噪点消除（滤波） 边缘检测Canny算法 轮廓绘制

图片降噪

1. 均值滤波blur
   中心点的像素值等于核值区域的平均值

import cv2
img_gs = cv2.imread('./media/lvbo2.png') # 高斯噪声
img_jy = cv2.imread('./media/lvbo3.png') # 椒盐噪声

def buler():
	img_jz1= cv2.blur(img_gs,(3,3))
    img_jz2= cv2.blur(img_jy,(3,3))
    cv2.imshow('img_jz1',img_jz1)
    cv2.imshow('img_jz2',img_jz2)

buler()

cv2.imshow('img_gs',img_gs)
cv2.imshow('img_jy',img_jy)

cv2.waitKey(0)

2. 方框滤波boxFilter

• normalize=False 中心点的像素值等于核区域像素的总和
• normalize=True 默认为True 就是均值滤波

    img_jz1 = cv2.boxFilter(img_gs,-1,(3,3),normalize=False )  # [图像]  [输出图像的深度，-1是原图像的深度]  [核的大小]
    img_jz2 = cv2.boxFilter(img_jy,-1,(3,3))
    cv2.imshow('img_jz1',img_jz1)
    cv2.imshow('img_jz2',img_jz2)

3. 高斯滤波GaussianBlur
   核的权重取决于高斯函数并取近似值，对应的像素乘以权重相加得到中心点的像素值
   sigma的值 模糊效果越明显 (中心点的权重变小)
   $$g(x,y)=\frac{1}{2\pi {\sigma }^2}{e}^{-\frac{(x^2+y^2)}{2{\sigma }^2}}$$
   如3*3的核权重矩阵是[[1/16,1/8,1/16],[1/8,1/4,1/8],[1/16,1/8,1/16]]

    img_jz1 = cv2.GaussianBlur(img_jy,(3,3),10