210_Python+OpenCV_04_模糊（均值、中值、高斯）

本文链接：https://blog.youkuaiyun.com/weixin_44304362/article/details/99714919

本文深入探讨了图像处理中的模糊技术，包括均值模糊、高斯模糊、中值模糊及自定义模糊，详细解析了每种模糊方法的特点及应用场景，特别强调了高斯模糊在去噪方面的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、均值模糊

1. 基于平均值

在这里插入图片描述

# -*- coding:utf-8 -*-
# Linda Li 2019/8/19 9:08 cv_22_均值模糊 PyCharm

import cv2 as cv
import numpy as np


def blur_demo(image):
    """均值模糊——用于随机去噪"""
    # 定义一个一行三列的卷积盒(1,3)代表x和y方向，y方向上15个像素的长度的模糊
    dst = cv.blur(image, (1, 15))
    cv.imshow("blur_y", dst)

    # x方向上15个像素的模糊
    dst1 = cv.blur(image, (15, 1))
    cv.imshow("blur_x", dst1)

    # 经常用到的是5*5=f*f的卷积盒
    dst2 = cv.blur(image, (5, 5))
    cv.imshow("blur_5", dst2)


print("------hello python-------")
src = cv.imread("../cv_02/cv_23.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

blur_demo(src)

cv.waitKey(0)
cv.destroyAllWindows()

2、高斯模糊Gaussion_去高斯噪声

在这里插入图片描述

横着的
周围的红色的因为边缘的原因不计算
( 151+ 202 + 251 ) / 4 = 20
( 201+ 252 + 251 ) / 4 = 95 / 4 = 23.75
( 251+ 252 + 15*1 ) / 4 = 90 / 4 = 22.5

竖着的

( 151+ 202 + 201 ) / 4 = 75 / 4 = 18,75
( 201+ 202 + 201 ) / 4 = / 4 = 20
( 201+ 202 + 15*1 ) / 4 = 75 / 4 = 18.75
== 2. 基于高斯的权重的均值模糊**==
高斯模糊的去噪能力更好
拆开是为了提速，

# -*- coding:utf-8 -*-
# Linda Li 2019/8/19 9:08 cv_22_均值模糊 PyCharm

import cv2 as cv
import numpy as np


def clamp(pv):
    """防止超出255"""
    if pv > 255:
        return 255

    elif pv < 0:
        return 0

    else:
        return pv


def gaussian_noise(image):
    """给图像加高斯噪声"""
    h, w, c = image.shape

    # 其实是for row in range(0, h, 1)从0到h步幅是1
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)
            # blue green red
            b = image[row, col, 0]
            g = image[row, col, 1]
            r = image[row, col, 2]

            # 加上噪音
            image[row, col, 0] = clamp(b + s[0])
            image[row, col, 1] = clamp(g + s[1])
            image[row, col, 2] = clamp(r + s[2])

    cv.imshow("noise image", image)


print("------hello python-------")
src = cv.imread("../cv_02/cv_193.jpeg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

# 调用高斯噪音的函数，并且计算加噪音用了多长的时间
t1 = cv.getTickCount()
# gaussian_noise(src)
t2 = cv.getTickCount()

# 除以单位值，返回的是毫秒
time = (t2 - t1)/cv.getTickFrequency()
print("time consume: %s" % (time * 1000))

# 调用高斯模糊的函数
dst = cv.GaussianBlur(src, (0, 0), 15)
cv.imshow("Gussian Blur", dst)
cv.waitKey(0)
cv.destroyAllWindows()

在这里插入图片描述

二、中值模糊——用于去椒盐噪声

在这里插入图片描述

# -*- coding:utf-8 -*-
# Linda Li 2019/8/19 9:08 cv_22_均值模糊 PyCharm

import cv2 as cv
import numpy as np


def median_blur_demo(image):
    """中值模糊——用于去椒盐噪声"""
    dst = cv.medianBlur(image, 5)
    cv.imshow("median_blur", dst)


print("------hello python-------")
src = cv.imread("../cv_02/cv_23.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

median_blur_demo(src)

cv.waitKey(0)
cv.destroyAllWindows()

三、自定义模糊

在这里插入图片描述

# -*- coding:utf-8 -*-
# Linda Li 2019/8/19 9:08 cv_22_均值模糊 PyCharm

import cv2 as cv
import numpy as np


def custom_blur_demo(image):
    """自定义，轻微模糊"""
    # f=5,5*5 保证不会溢出，最大是255
    kernel = np.ones([5, 5], np.float32)/25
    dst = cv.filter2D(image, -1, kernel=kernel)
    cv.imshow("custom_blur_5", dst)

    # kernel1 = np.ones([3, 3], np.float32) / 9
    kernel1 = np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]], np.float32) / 9
    dst = cv.filter2D(image, -1, kernel=kernel1)
    cv.imshow("custom_blur_3", dst)

    # 锐化
    kernel2 = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32)
    dst = cv.filter2D(image, -1, kernel=kernel2)
    cv.imshow("custom_blur_rui", dst)


print("------hello python-------")
src = cv.imread("../cv_02/cv_193.jpeg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

custom_blur_demo(src)

cv.waitKey(0)
cv.destroyAllWindows()

上图是锐化的图