opencv学习（九）：利用卷积对图像模糊处理

最新推荐文章于 2025-09-22 17:36:09 发布

原创

最新推荐文章于 2025-09-22 17:36:09 发布 · 2k 阅读

8 ·

CC 4.0 BY-SA版权

本文介绍了如何使用OpenCV进行图像模糊处理，包括均值模糊、中值模糊、高斯平滑以及自定义模糊和双边滤波。通过函数blur(), medianBlur(), GaussianBlur(), filter2D()和bilateralFilter()，调整参数实现不同类型的模糊效果。内容涵盖了各函数的参数含义及应用示例。" 120516518,11283024,使用Chan算法解决WSN定位问题的Matlab实现,"['matlab', '算法', '无线传感器网络', '仿真', '信号处理']

在图像上个人觉得卷积就是：对于某一位置的像素，通过算法来把它附近的所有像素点的值联合起来，重新设置这个像素的大小。（大概就是这样）

这个算法类似有：均值，中值，就是取周围所有像素的均值、中值来设置这个像素的大小。

（关于边界问题：有几种填充方法：补零、边界复制、块复制、镜像复制等方法）

代码如下：

#导入cv模块
import cv2 as cv
import numpy as np

def blur_demo(image):  #均值模糊
    dst=cv.blur(image,(1,3))
    cv.imshow("blur_demo",dst)

def median_blur_demo(image):  #中值模糊
    dst=cv.medianBlur(image,5)
    cv.imshow("median_blur_demo",dst)

'''
     custom_blur:自定义模糊、锐化,中间像素比重为5，其他为0和-1，总权重为1
     算子自定义取值：奇数，总和为1或0，总和为0：做边缘梯度，总和为1：做增强
'''
def custom_blur_demo(image):
    #kernel=np.ones([5,5],np.float32)/25
    kernel=np.array([[0,-1,0],[-1,5,-1],[0,-1,0]],np.float32)
    dst=cv.filter2D(image,-1,kernel=kernel)
    cv.imshow("custom_blur_demo",dst)

print("------------Hi,Python!-------------")
# 读取图像，支持 bmp、jpg、png、tiff 等常用格式
src = cv.imread("F:/Projects/images/2.jpg")
#创建窗口并显示图像
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image