文章目錄

• • 1.中值濾波
  • • （1）函數
    • （2）代碼
  • 2.雙邊濾波
  • • （1）函數講解
    • （2）關于d,sigmaColor和sigmaSpace的值選擇
    • （3）代碼實現

1.中值濾波

優點：對椒鹽噪聲處理比較好
中值濾波法是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值.中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點一個鄰域中各點值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點。

（1）函數

medianBlur(src, ksize, dst=None):
src:輸入的原始圖像；
Ksize:卷積核的大小（一個整數即可）；
Dst:輸出圖像；
注：當ksize大小為3或者5的時候，圖像的位深應該是CV_8U, CV_16U, 或者 CV_32F。

（2）代碼

import os import cv2 import numpy as npdef MediumFilter(img_path='images/lenna_PapperNoise.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(450,450))img=cv2.medianBlur(img,ksize=3)cv2.imshow('img',img)cv2.imshow('img_src',img_src)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')MediumFilter()

可以看到對于椒鹽噪聲的處理確實比較不錯。

關于怎么生成椒鹽噪聲，方盒濾波，均值濾波：https://mydreamambitious.blog.csdn.net/article/details/125173270
關于高斯濾波：https://blog.csdn.net/Keep_Trying_Go/article/details/125203273

---

2.雙邊濾波

優點：可以保留邊緣，在保留邊緣的同時對邊緣內的區域進行平滑處理
（進行美化）。

（1）函數講解

bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None):
參數講解：
Src:輸入的原始圖像；
D:過濾期間使用的每個像素鄰域的直徑。如果為非正，則從sigmaSpace計算。
sigmaColor:顏色空間過濾器的sigma值，該參數的值越大，意味著像素鄰域內的更多顏色將混合在一起，從而產生更大的半等色區域。
sigmaSpace:，如果該值較?，則意味著顏?相近的較遠的像素將相互影響，從?使更?的區域中?夠相似的顏?獲取相同的顏?。當d>0時，d指定了鄰域??，那么不考慮sigmaSpace值，否則d正?于sigmaSpace.
Dst:輸出圖像；
borderType:?于推斷圖像外部像素的某種邊界模式，有默認值BORDER_DEFAULT.

（2）關于d,sigmaColor和sigmaSpace的值選擇

（1）一般為了簡化，sigmaColor和sigmaSpace可以設置相同的值（下面都用sigma表示兩者），如果sigma的值小于10的話，不會產生太大的影響；如果大于150的話，將產生非常強的影響（使圖片卡通畫）。
（2）如果選擇的d大于5的話，那么執行將會非常慢，所以建議對于實時應用使用d=5；如果對于強噪聲的，可以將d=9。

（3）代碼實現

import os import cv2 import numpy as npdef BilateralFilter_11(img_path='images/lenna.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(450,450))img=cv2.bilateralFilter(img,5,11,11)cv2.imshow('img',img)cv2.imshow('img_src',img_src)cv2.waitKey(0)cv2.destroyAllWindows()def detectBilateralFilter():cap=cv2.VideoCapture(0)while cap.isOpened():OK,frame=cap.read()img_src = cv2.imread(frame)img = cv2.resize(src=img_src, dsize=(450, 450))img = cv2.bilateralFilter(img, 5, 11, 11)cv2.imshow('img', img)if cv2.waitKey(1)&0XFF==27:breakcap.release()cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')# BilateralFilter_11()# detectBilateralFilter()BilateralFilter_155()

當sigmaColor和sigmaSpace的值大于150時：

def BilateralFilter_155(img_path='images/lenna.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(450,450))img=cv2.bilateralFilter(img,5,155,155)cv2.imshow('img',img)cv2.imshow('img_src',img_src)cv2.waitKey(0)cv2.destroyAllWindows()

總結

以上是生活随笔為你收集整理的中值滤波器和双边滤波器（python实现）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。