Python OpenCV 滤波

低通滤波器

均值滤波器

均值滤波（normalized box filter）就是用其像素点周围像素的平均值代替元像素值，在滤除噪声的同时也会滤掉图像的边缘信息的方法。

但均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。特别是椒盐噪声。

blur

cv2.blur(src, ksize, dst=None, anchor=None, borderType=None)

方盒滤波的参数为True时，就是均值滤波，所以这个API用的不多。
dst = cv2.blur(scr, ksize, anchor, borderType)

• scr：源图像（图像矩阵）
• ksize：卷积核大小（x，y）（滤波窗口(算子)尺寸）
• anchor：锚点
• borderType：有映射类型，加一个黑边，默认不设置（边界扩充类型）

该函数使用内核将图像平滑化，表示为：

作用：使用归一化卷积模板模糊图像

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 均值滤波器
# 读取灰度图像 
img = cv2.imread("D:/Study/digital image processing/test/saltLena.bmp",0)
# 模板大虚5*5
blur = cv2.blur(img,(5,5))
plt.subplot(121),plt.imshow(img,'gray')
plt.subplot(122),plt.imshow(blur,'gray')
plt.show()

boxFilter()

import cv2
import numpy as np

img = cv2.imread('./image/lena.jpg')

# 方盒滤波（当为True时）变成均值滤波，当为False时，就只加和不变化，超过255的结果设置为255
img2 = cv2.boxFilter(img, -1, (5, 5), normalize=True)
img3 = cv2.boxFilter(img, -1, (5, 5), normalize=False)
# 展示图像
cv2.imshow('img', img)
cv2.imshow('img2', img2)
cv2.imshow('img3', img3)

cv2.waitKey(0)

dst = cv2.boxFilter(src, ddepth, ksize , anchor, normalize, borderType)

• src：输入图像
• ddepth：输出图像的尺寸，默认为-1
• ksize ：卷积核大小（x, y）
• anchor：锚点，默认随卷积核变化
• normalize：布尔类型默认为True；True：a为1/W*H(均值滤波)，false：a=1
• borderType：有映射类型，加一个黑边，默认不设置

高斯滤波器

高斯滤波是一种线性平滑滤波器，对于服从正态分布的噪声有很好的抑制作用。在实际场景中，我们通常会假定图像包含的噪声为高斯白噪声，所以在许多实际应用的预处理部分，都会采用高斯滤波抑制噪声，如传统车牌识别等。

高斯滤波和均值滤波一样，都是利用一个掩膜和图像进行卷积求解。不同之处在于：均值滤波器的模板系数都是相同的为1，而高斯滤波器的模板系数，则随着距离模板中心的增大而系数减小（服从二维高斯分布）。所以，高斯滤波器相比于均值滤波器对图像个模糊程度较小，更能够保持图像的整体细节。

高斯滤波常见模板如下。

cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])

作用：根据像素距离使用高斯函数生成权重进行滤波

• dst：输出图像
• src：输入图像
• ksize：卷积核的大小
• sigmaX：x方向上的标准差
• sigmaY：y方向上的标准差
• borderType：边界模式，默认为BORDER_DEFAULT
• 一般只需要看前三个参数
  

# 高斯滤波器
img = cv2.imread("D:/Study/digital image processing/test/saltLena.bmp",0)
# 若只给了一个sigma则同时视为两轴的sigma，若均为0则根据尺寸自动生成。
dst = cv2.GaussianBlur(img,(5,5),0)

plt.subplot(121),plt.imshow(img,'gray')
plt.subplot(122),plt.imshow(dst,'gray')
plt.show()

import cv2
import numpy as np

img = cv2.imread('./image/Gaussian.png')

# 高斯去噪
img2 = cv2.GaussianBlur(img, (3, 3), 0