內容有： 均值濾波?cv2.blur()，方框濾波?cv2.boxFilter()，高斯濾波?cv2.GaussianBlur()，中值濾波 cv2.medianBlur()

---

濾波可理解為，平均卷積操作。對于圖像上存在的噪聲點，通過濾波平滑處理操作，可以去除噪聲點。在開始前我們先導入需要用的庫文件，獲取需要用到的圖片。

import cv2
# 指定圖像所在文件夾位置
filepath = 'C:\\Users\\admin\\.spyder-py3\\test\\opencv\\img'
# 獲取文件夾中某張圖像
img = cv2.imread(filepath+'\\lina.jpg')
# 顯示圖像
cv2.imshow('img',img) # (自定義窗口名,圖象變量)
cv2.waitKey(0) # 圖像不會自動消失
cv2.destoryAllWindows() # 按下任意鍵圖像消失

---

1. 均值濾波

原理： 卷積核在圖像上滑動，將核的錨點放在該特定位置的像素上，同時，核內的其他值與該像素鄰域的各像素重合；對卷積核內的所有像素值求平均，將所得結果放到與錨點對應的像素上；對圖像所有像素重復上述過程。

方法：cv2.blur(img, ksize)

img表示圖像變量；ksize表示卷積核大小(n,n)，卷積核是值全為1的矩陣

#（1）均值濾波
# 參數：輸入的圖像數據，卷積核大小，即滑窗的寬和高，一般用奇數
blur = cv2.blur(img,(3,3))
# 顯示圖像
cv2.imshow('blur',blur)
cv2.waitKey(0)
cv2.destoryAllWindows()

??

---

2. 方框濾波

原理： 卷積核在圖像上滑動，將核的錨點放在該特定位置的像素上，同時，核內的其他值與該像素鄰域的各像素重合；方框濾波有2種方法（1）將卷積核內所有像素值相加，超過255的像素值變成255；（2）對卷積核內的所有像素值求平均。將所得結果放到與錨點對應的像素上；對圖像所有像素重復上述過程。

如果方框濾波使用第2種方法得到的結果和均值濾波的結果一樣。

濾波函數：?cv2.boxFilter(img, -1, ksize, normalize)

img代表輸入圖像；-1代表得到的結果在顏色通道上是一致的，一般不用改；ksize代表卷積核大小；normalize代表是否歸一化，如果為True，得到的結果同均值濾波。

#（2）方框濾波
# 卷積核3*3
box = cv2.boxFilter(img,-1,(3,3),normalize=True)
# 顯示圖像
cv2.imshow('box',box)
cv2.waitKey(0)
cv2.destoryAllWindows()

下圖左側是normalize=False的圖像，右側是normalize=True的圖像

??

---

3. 高斯濾波

原理： 卷積核在圖像上滑動，將核的錨點放在該特定位置的像素上，同時，核內的其他值與該像素鄰域的各像素重合；卷積核內的權重值服從高斯分布，離中心點越近的點權值越大。將卷積核內各值與相應像素值做內積，將乘積相加后求平均，將所得結果放到與錨點對應的像素上；對圖像所有像素重復上述過程。

濾波方法：?cv2.GaussianBlur(img, ksize, 標準差x, 標準差y)

img代表輸入圖像；ksize卷積核大小，滑窗寬度高度為奇數；標準差x代表沿x方向的卷積核的標準差；標準差y代表沿y方向的卷積核的標準差，不設置的話則和x軸的標準差一致

# 輸入圖像，卷積核大小，沿x軸方向的標準差=1，沿y軸標準差不設置的話和沿x軸一樣
aussian = cv2.GaussianBlur(img, (5,5), 1)
# 顯示圖像
cv2.imshow('aussian',aussian)
cv2.waitKey(0)
cv2.destoryAllWindows()

下圖左側為原圖，右側為高斯濾波后的圖

??

---

4. 中值濾波

原理： 卷積核在圖像上滑動，將核的錨點放在該特定位置的像素上，同時，核內的其他值與該像素鄰域的各像素重合；被卷積核框住的像素值從小到大排序，取中間大小的像素值代替滑窗中最中間的值。將所得結果放到與錨點對應的像素上；對圖像所有像素重復上述過程。

濾波方法：?cv2.medianBlur(img, ksize)

img代表輸入的圖像，ksize代表濾波模板的尺寸大小，填一個數值，必須是大于1的奇數

#（4）中值濾波
median = cv2.medianBlur(img,5) # 用5*5的卷積核去做滑窗，排序后，取中間那個值
# 顯示圖像
cv2.imshow('median',median)
cv2.waitKey(0)
cv2.destoryAllWindows()

下圖左側為原圖，右側為濾波后的圖像。可以看出，中值濾波對處理椒鹽噪聲具有很好的效果。

??

---

最后我們來把這三種濾波(均值、高斯、中值)圖像放在一起看一下

#（5）一個窗口顯示多個圖像
# np.hstack()表示沿著橫向堆疊
# np.vstack()表示沿著縱向堆疊
# 參數應該為一個元組
import numpy as np
res = np.hstack((blur,aussian,median))
# 圖像顯示
cv2.imshow('result',res)
cv2.waitKey(0)
cv2.destoryAllWindows()

總結

以上是生活随笔為你收集整理的【opencv】(3) 图像滤波：均值、方框、中值、高斯的全部內容，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。