Opencv Python版学习笔记07.图像平滑

最新推荐文章于 2024-09-17 16:52:47 发布

是小晰瓜啊

最新推荐文章于 2024-09-17 16:52:47 发布

阅读量309

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_42073654/article/details/93815764

本文探讨了多种图像处理技术，包括均值滤波、方框滤波、高斯滤波及中值滤波，用于减少图像中的噪点。通过对比不同方法的效果，中值滤波在去噪方面表现最优。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

img = cv2.imread('lenaNoise.png')

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看出这张图片有非常多的噪点。现使用滤波的操作使图像平滑，从而去掉噪点。

# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img, (3, 3))

cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

经过均值滤波之后，可以看出噪点少了，但仍然有部分噪点。

# 方框滤波
# 基本和均值一样，可以选择归一化
box = cv2.boxFilter(img,-1,(3,3), normalize=True)  

cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用归一化的方框滤波效果与均值滤波一致。

# 方框滤波
# 基本和均值一样，可以选择归一化,容易越界
box = cv2.boxFilter(img,-1,(3,3), normalize=False)  

cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

不进行归一化的方框滤波会造成越界，从而使整个图片白化。

# 高斯滤波
# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5, 5), 1)  

cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯滤波效果比均值滤波效果好点，但仍然有部分噪点。

# 中值滤波
# 相当于用中值代替
median = cv2.medianBlur(img, 5)  # 中值滤波

cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

由图片可以看出，中值滤波的效果特别的好，经过平滑处理的图片几乎没有了噪点。

# 展示所有的
res = np.hstack((blur,aussian,median))
#print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

以下为三种平滑处理的效果对比图