在构建的滤波核中获取均值并填充到中间区域中。
采用滑动窗口的技术。
比如在3*3的滤波核中计算9个值的总和 然后除以9获取均值
Cv2.Blur(Src_Images, dstimage, new Size(3, 3));
获取滤波核的所有数字的中间值,属于非线性计算
Cv2.MedianBlur(Src_Images, dstimage, 3);
每个像素点由本身以及邻域内的像素值经过加权平均后得到,加权系数越靠近中心越大,越远离中心越小。以此提高相邻像素的占比,能够很好的滤除噪声
通过计算带入到高斯公式中获取中间值
Cv2.GaussianBlur(Src_Images, dstimage, new Size(3, 3), 1);
还有一些其他的滤波算法
//快速图像边缘滤波算法
Cv2.EdgePreservingFilter(src1, dd, EdgePreservingMethods.RecursFilter, 60, 0.44f);
//高斯双边模糊 去除噪音的同时保持边缘的清晰锐利
Cv2.BilateralFilter(src1, dd, 0, 100, 10, BorderTypes.Reflect101);
//边缘保留滤波算法 均值迁移模糊
Cv2.PyrMeanShiftFiltering(src1, dd, 15, 50);
//快速图像边缘滤波算法
Cv2.EdgePreservingFilter(src1, dd, EdgePreservingMethods.RecursFilter, 60, 0.44f);
//高斯双边模糊 去除噪音的同时保持边缘的清晰锐利
Cv2.BilateralFilter(src1, dd, 0, 100, 10, BorderTypes.Reflect101);
//边缘保留滤波算法 均值迁移模糊
Cv2.PyrMeanShiftFiltering(src1, dd, 15, 50);