OpenCV与Python之图像滤波

介绍四篇图像平滑方式：

均值滤波

方框滤波

高斯滤波

中值滤波

 

1. 均值滤波

原理：将对应核中的元素求和取平均

命令：img2 = cv2.blur(原始图像，核大小)  #核大小是一个元组

img2 = cv2.blur(img, (7, 7))

 2. 方框滤波

原理：对核中像素值求和（求和很容易导致像素值超过255，所以容易出现白化图像），或者求和取平均

命令：img2 = cv2.boxFilter(原始图像， 目标图像深度， 核大小， normalize属性)

normalize=0表示核内所有元素求和，normalize=1表示均值滤波，默认为均值

img2 = cv2.boxFilter(img, -1, (2, 2), normalize=1)

3. 高斯滤波

原理：在核中根据高斯函数来确定核中像素值的比重，离中心元素越近比重越大，反之越小

命令：dst = cv2.GaussianBlur(src, ksize, sigmaX)   # ksize必须是奇数

# sigmaX：高斯核在x方向的标准差

# sigmaY：高斯核在y方向的标准差（sigmaY=0时，其值自动由sigmaX确定（sigmaY=sigmaX）；sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定）

img2 = cv2.GaussianBlur(img, (7,7), 0)

4. 中值滤波

原理：核中像素值的中值作为图像像素值

命令：dst = cv2.medianBlur(src, ksize)   # ksize不是能是元组，就是一个数字

img2 = cv2.medianBlur(img, 7)